KI verlässt den Bildschirm und berührt die physische Welt: Anthropics Model Hardware Standard
Anthropics neu angekündigter Model Hardware Standard (MHS) ermöglicht es KI-Agenten, über eine gemeinsame, herstellerunabhängige Schnittstelle mit physischer Hardware wie Roboterarmen, Mikroskopen und Laborgeräten zu arbeiten.
Wenn wir über künstliche Intelligenz sprechen, begegnen wir normalerweise dem gleichen Bild: ein Computerbildschirm, ein Chat-Fenster und eine Person, die etwas hineinschreibt.
In den letzten Jahren hat sich die KI-Entwicklung weitgehend innerhalb dieses Rahmens bewegt. Besonders mit dem Aufkommen von KI-Agenten ist das Modell nicht mehr nur ein Chatbot, der Fragen beantwortet. Es kann auf Dateien zugreifen, das Terminal verwenden, Websites öffnen, Code ausführen und mit anderer Software interagieren. Aber es gab eine wichtige Grenze: Wie wird künstliche Intelligenz den Computer verlassen?
Sich mit einer Software-API zu verbinden ist eine Sache. Einen Roboterarm, ein Mikroskop oder ein Flüssigkeitsübertragungsgerät in einem Labor zu steuern ist etwas ganz anderes. Anthropics Ankündigung von gestern, 27. August 2026, des Model Hardware Standard (MHS) konzentriert sich genau auf dieses Problem. MHS ist noch kein fertiges Produkt; es befindet sich derzeit in der Forschungsvorschau und wird mit wissenschaftlichen Forschungslaboren und fortschrittlichen Fertigungsunternehmen getestet. Anthropics Plan ist, den Standard nach der Entwicklung als Open Source zu veröffentlichen. Und ich denke, der interessanteste Teil dieser Ankündigung ist viel überzeugender als der Satz „Claude kann jetzt Roboter bedienen."
Beginnen wir mit einem kleinen Problem
Stellen Sie sich vor, Sie haben ein Labor. Darin haben Sie einen Roboterarm. Sie haben ein Flüssigkeitsübertragungsgerät. Sie haben auch ein anderes Gerät, das Proben analysiert. Normalerweise könnten diese von verschiedenen Herstellern stammen. Eines hat eine Python-Bibliothek. Ein anderes hat eine andere Programmierschnittstelle. Noch ein anderes Gerät kann nur über die eigene Software des Herstellers gesteuert werden. Aus Computersicht gibt es also nicht drei Geräte, sondern drei separate Welten. Diese Situation ähnelt tatsächlich einem Problem, das wir in der Softwarewelt seit Jahren kennen: Integrationschaos. Das CRM eines Unternehmens funktioniert anders, das Zahlungssystem auf andere Weise, der E-Mail-Dienst auf wieder andere Weise. Wenn wir einen gemeinsamen Standard dazwischen setzen, wird alles einfacher. Im Internet nehmen wir das heute als selbstverständlich hin. Damit sich eine Website mit einem Zahlungssystem, einem Kartendienst oder einem E-Mail-Dienst verbinden kann, müssen wir nicht jedes Mal die interne Funktionsweise dieses Dienstes von Grund auf lernen. Genau das versucht Anthropic mit MHS auf physische Geräte zu übertragen.
Was ist der Model Hardware Standard?
Einfach ausgedrückt:
MHS ist ein Standard, der entwickelt wurde, damit KI-Agenten über eine gemeinsame Methode mit physischen Geräten kommunizieren können. Das Wort „Standard" ist hier wichtig, denn Anthropic entwickelt keinen neuen Roboter, kein neues Mikroskop und kein neues Laborgerät. Es versucht, unterschiedliche Geräte für KI-Agenten verständlicher und einheitlicher verfügbar zu machen. Grob gesagt können wir es uns so vorstellen:
Anstatt dass Agenten die spezifischen Details jedes Geräts lernen müssen, werden Geräte einheitlich beschrieben. Zum Beispiel für ein Gerät:
Diese Informationen können standardisiert dargestellt werden. Laut Anthropic kann MHS mit Geräten arbeiten, die über eine programmierbare Schnittstelle verfügen, und ist nicht an ein bestimmtes KI-Modell gebunden. Es handelt sich also nicht um ein geschlossenes System, das nur für Claude gedacht ist. Agenten können auch über Standardprotokolle wie das Model Context Protocol (MCP) auf MHS zugreifen.
Wenn Sie MCP kennen, ist MHS leichter zu verstehen
Wer die KI-Welt in letzter Zeit verfolgt hat, kennt hier ein vertrautes Konzept: das Model Context Protocol (MCP). Man kann sich MCP vereinfacht als einen gemeinsamen Verbindungsstandard vorstellen, der es künstlicher Intelligenz erleichtert, mit unterschiedlichen Softwarewerkzeugen zu kommunizieren. Ein KI-Agent kann zum Beispiel:
MCP hilft, diese Interaktion zu standardisieren. MHS überträgt einen ähnlichen Gedanken auf physische Geräte. Konzeptionell lässt sich also unterscheiden:
MCP:
KI ↔ Softwarewerkzeuge
MHS:
KI ↔ Physische Geräte
Bringt man beide zusammen, ergibt sich etwas Interessantes:
KI ↔ Software ↔ Physische Welt
Eine Sache sollte man dabei beachten: Es ist nicht korrekt zu sagen, MHS sei offiziell als „MCP für Hardware" definiert. Das ist lediglich eine Analogie, um zu erklären, was MHS tut.
Aber es ist eine gute Analogie.
Denn im Kern geht es darum, Geräte für KI nutzbar zu machen.
Was kann KI in einem Labor also wirklich tun?
Hier wird es noch interessanter. In frühen MHS-Tests mit Genentech zeigt Anthropic, wie mehrere Geräte gemeinsam in einer Laborumgebung eingesetzt werden. Ziel ist dabei nicht, dass ein KI-Agent nur ein einzelnes Gerät bedient, sondern dass er mit mehreren Geräten interagiert und einen experimentellen Prozess durchführt. So können etwa Ergebnisse eines Flüssigkeitsübertragungsgeräts im nächsten Experimentschritt genutzt werden. Das ist wichtig, denn die Rolle der KI bleibt hier nicht auf „Gerät ein- und ausschalten" beschränkt.
Der Agent:
- führt eine Operation durch,
- beobachtet das Ergebnis,
- bewertet das Ergebnis,
- bestimmt einen neuen Parameter für die nächste Operation,
- versucht es erneut.
Die aus der Computerwelt bekannte Rückkopplungsschleife wird also in die physische Welt übertragen. In Anthropics Genentech-Beispiel optimierte Claude die Flüssigkeitsübertragungsrate durch Experimente mit Wasser- und viskosen BSA-Proben. Das System testete verschiedene Geschwindigkeiten von etwa 140 µL/s bis hinunter zu etwa 10 µL/s, um geeignete Arbeitspunkte zu finden. Entscheidend sind hier nicht diese einzelnen Zahlen, sondern Folgendes:
KI ist nicht mehr nur ein System, das sagt, „was getan werden sollte", sondern kann jetzt das Ergebnis einer Aktion beobachten und die nächste physische Aktion auf dieser Grundlage bestimmen.
Das verändert das Konzept der Handlungsfähigkeit grundlegend.
Ein noch interessanteres Beispiel: KI verbessert das System durch Experimentieren
Anthropics Beispiel mit QuEra finde ich noch aufschlussreicher, um zu verstehen, warum MHS eine größere Idee verfolgt.
Das Problem betrifft einen Recovery-Mechanismus zum erneuten Einrasten eines Lasersystems.
Zuvor war dafür ein spezielles Skript entwickelt worden, mit dem das System das Problem in etwa 150 Sekunden mit einer Erfolgsquote von etwa 58 % lösen konnte.
Als Claude über MHS auf das System zugreift, versucht der Agent, den Recovery-Mechanismus durch wiederholtes Ausprobieren verschiedener Fehlerszenarien zu verbessern.
Am Ende wird eine Lösung in etwa 6 Sekunden mit einer Erfolgsquote von rund 96 % in Tests erreicht. In einem Test mit 700 Versuchen steigt die Erfolgsquote später auf 99,3 %.
Das eigentlich interessante Detail ist, dass das Ergebnis kein dauerhaft laufender KI-Agent ist.
Was der Agent tut, lässt sich so zusammenfassen:
„Ich probiere das System aus, bringe es zum Absturz, starte es erneut, schaue mir die Ergebnisse an und finde eine bessere Lösung."
Die daraus entstehende Lösung wird anschließend zu einem deterministischeren, überprüfbaren Skript.
KI muss hier also nicht das Endprodukt sein.
KI wird zu einem Forschungswerkzeug, das bei der Entwicklung besserer physischer Systeme oder Software eingesetzt wird.
Diese Unterscheidung halte ich für sehr wichtig.
Warum ist die Aussage „KI steuert Roboter" unvollständig?
Weil das, was MHS bringt, nicht nur Robotersteuerung ist.
Es wird ein allgemeineres Problem angegangen:
Physische Geräte in standardisierte Werkzeuge zu verwandeln, die KI-Agenten nutzen können.
Der Roboterarm ist nur ein Beispiel dafür.
Derselbe Ansatz lässt sich anwenden bei:
Anthropic weist auch darauf hin, dass MHS mit unterschiedlichen Geräten in den Bereichen Wissenschaft, Robotik, Elektronik und Fertigung getestet wurde.
Man sollte sich hier also nicht zu sehr am Wort „Roboter" festhalten.
Das eigentliche Thema sind programmierbare physische Systeme.
Ein kleines Problem gibt es allerdings: Die reale Welt ist nicht so geordnet wie ein Computer
Es gibt einen erheblichen Unterschied zwischen einem KI-Agenten, der auf einer Website einen Button anklickt, und einem, der in einem Labor eine Flüssigkeit in ein anderes Gefäß umfüllt.
Bei einem Fehler auf einer Webseite kann man es meistens einfach noch einmal versuchen.
In der physischen Welt hingegen:
Noch wichtiger ist: Es ist heute nicht realistisch zu erwarten, dass KI alle Konsequenzen der physischen Welt allein aus Text- und Sensordaten perfekt versteht.
Die Grenzen davon zeigen sich sogar in Anthropics eigenen Beispielen. Das System kann sich von manchen Hardwarefehlern erholen, versteht aber nicht immer korrekt, warum ein physisches Ereignis eingetreten ist. So konnte es zunächst die physische Ursache von Blasenbildung bei einem Flüssigkeitsübertragungsexperiment nicht richtig diagnostizieren.
Deshalb wäre es zu optimistisch, MHS so zu lesen:
„Jetzt verwaltet die KI das Labor ganz allein."
Zutreffender ist:
Es wird eine Infrastruktur aufgebaut, damit KI-Agenten kontrollierter und standardisierter mit physischen Systemen arbeiten können.
Das klingt viel bescheidener.
Ist aber eigentlich wichtiger.
Denn die Zukunft der KI besteht nicht nur aus besseren Modellen
Wenn wir über KI sprechen, richten wir unsere Aufmerksamkeit meist ganz auf das Modell selbst.
Ein neues Modell erscheint.
Besseres Reasoning.
Längerer Kontext.
Besseres Coding.
Schnellere Agenten.
All das ist wichtig.
Aber damit ein KI-Agent in der realen Welt nützlich sein kann, reicht „intelligent" zu sein allein nicht aus.
Er braucht Zugang zu Werkzeugen.
Diese Werkzeuge müssen miteinander kommunizieren können.
Die sicheren Grenzen dieser Werkzeuge müssen definiert werden.
Und physische Geräte müssen auf eine Weise dargestellt werden, die die KI verstehen kann.
MHS setzt genau an dieser Infrastrukturebene an.
Deshalb halte ich es für richtiger, den Model Hardware Standard nicht als neues „KI-Feature", sondern als Erweiterung der KI-Agenten-Infrastruktur zu verstehen.
Können physische Standards morgen leisten, was MCP heute leistet?
Hier lässt sich etwas spekulieren.
Ein Softwareentwickler muss heute nicht die interne Architektur jedes einzelnen Dienstes lernen, um sich mit Hunderten verschiedener Dienste zu integrieren.
Dank Standards können wir eine gemeinsame Sprache nutzen.
Wenn eine ähnliche Standardisierung auch für physische Geräte gelingt, könnte es in Zukunft möglich sein, dass ein KI-Agent nicht nur auf Dateien oder APIs auf Computern zugreift, sondern auch auf physische Geräte unterschiedlicher Hersteller.
Ein Forscher könnte theoretisch einen Befehl wie diesen geben:
„Bewerte die Ergebnisse dieses Experiments und plane das nächste Experiment auf dieser Grundlage."
Im Hintergrund würde der Agent dann gemeinsam:
können.
An diesem Punkt ist der KI-Agent nicht mehr nur Software, die Informationen verarbeitet.
Er wird zu einer Art digitalem Forschungsoperator.
Und vielleicht beginnt die eigentliche Transformation der KI in der physischen Welt genau hier – noch vor humanoiden Robotern.
Ist das heute schon eine einsatzbereite Technologie?
Nein, zumindest noch nicht.
MHS befindet sich derzeit in der Forschungsvorschau.
Anthropic testet es zunächst mit wissenschaftlichen Forschungslaboren und fortschrittlichen Fertigungsunternehmen. Ziel ist nicht nur die Entwicklung des Standards, sondern auch die Entwicklung von Sicherheitsbewertungen und Best Practices für KI-Systeme, die mit physischer Ausrüstung arbeiten.
Anthropic erklärt, den Standard nach dieser frühen Phase als Open Source veröffentlichen zu wollen.
Wir können also heute noch nicht Claude mit unserer Kaffeemaschine zu Hause verbinden und sagen: „Mach mir morgens um 8 Uhr Kaffee."
Noch nicht.
Aber aus technischer Sicht passiert gerade etwas Wichtigeres:
Es entsteht eine Protokollebene zwischen KI-Agenten und der physischen Welt.
Fazit: Die eigentliche Veränderung liegt vielleicht nicht im Modell, sondern in der Welt, die das Modell erreichen kann
Die heutige Form des Model Hardware Standard wird sich in den kommenden Jahren wahrscheinlich verändern.
Der Name könnte sich ändern.
Das Protokoll könnte sich ändern.
Der Standard könnte von anderen Unternehmen weiterentwickelt werden.
Andere Modelle könnten zum Einsatz kommen.
Sogar Anthropics eigener Ansatz könnte sich mit der Zeit in etwas völlig anderes verwandeln.
All das ist möglich.
Doch die grundlegende Idee bleibt meiner Meinung nach bestehen:
Wir brauchen eine gemeinsame Infrastruktur, damit KI-Agenten nicht nur digitale Werkzeuge, sondern auch physische Geräte nutzen können.
So wie MCP die Beziehung zwischen KI und Softwarewerkzeugen vereinfacht, könnte MHS ein Ausgangspunkt dafür sein, physische Geräte für KI nutzbar zu machen.
Deshalb sehe ich den Model Hardware Standard nicht als kleine Anthropic-Ankündigung.
Ich sehe ihn als eines der frühen Anzeichen eines größeren Wandels.
Die erste große Ära der KI hat uns beigebracht, mit Maschinen auf Bildschirmen zu kommunizieren.
Die Agenten-Ära ermöglicht es Maschinen, manche Dinge stellvertretend für uns zu erledigen.
In der nächsten Phase erwarten wir, dass Maschinen Dinge nicht nur am Computer, sondern in der realen Welt tun.
Und dafür müssen sie zunächst dieselbe Sprache sprechen.
Genau darin könnte die eigentliche Geschichte des Model Hardware Standard liegen.