Model Hardware Standard:
Anthropics KI steuert jetzt echte Maschinen

Anthropic hat am 27. August 2026 den Model Hardware Standard (kurz MHS) vorgestellt, eine gemeinsame Schnittstelle, über die KI-Agenten physische Geräte wie Mikroskope, Pipettier-Roboter und Roboterarme sicher steuern. Der Standard startet als Research Preview mit einer ersten Gruppe von Forschungslaboren und Technologiefirmen, darunter das Biotech-Unternehmen Genentech, die Carnegie Mellon University und der Quantencomputer-Hersteller QuEra.

Bisher dauert es laut Anthropic Wochen, teils Monate, ein einzelnes Gerät an ein KI-System anzubinden. Mit MHS schrumpft diese Integrationsarbeit auf Stunden oder Minuten. Der Standard ist modellagnostisch, funktioniert also auch mit Modellen von OpenAI oder mit Open-Source-Modellen, und lässt sich über drei Wege ansprechen (Model Context Protocol, Kommandozeile, Code-Schnittstellen).

Anthropic kündigte den Schritt in einem Blogbeitrag zur MHS-Research-Preview und auf X an. Der US-Sender CNBC wertet den Standard als Anthropics Vorstoß in die physische Welt, in ein Feld, in dem laut Bloomberg auch OpenAI, Google und Nvidia eigene Roboter-Projekte verfolgen.

Today, we’re kicking off the first phase of the research preview for Model Hardware Standard (MHS): a new standard for AI agents to safely operate physical equipment in scientific research and advanced manufacturing.

— Anthropic (@AnthropicAI) August 27, 2026

So funktioniert der Model Hardware Standard

MHS ist eine Treiber-Spezifikation mit einfachen Grundbefehlen wie read (z. B. eine Temperatur auslesen) und write (z. B. eine Temperatur setzen), die jedes Gerät mit programmierbarer Schnittstelle versteht. Der Treiber macht Geräte für Agenten auffindbar. Ein Agent kann also abfragen, welche Instrumente angeschlossen sind und welche Befehle sie akzeptieren, ohne dass ein Entwickler jede Verbindung von Hand programmiert.

In den Treiber-Dateien stehen laut Anthropic auch physische Eigenschaften wie das Gewicht und die Sicherheitsgrenzen eines Geräts. Bisher bauten Spezialisten für jedes Instrument eine maßgeschneiderte Einzelanbindung, wie das britische IT-Magazin The Register in seiner Analyse der MHS-Spezifikation beschreibt.

CNBC beschreibt den Standard als eine Art USB‑C-Kabel zwischen KI und Maschine. Anthropic-Entwickler Alek Kemeny sagte dem Magazin Fortune, Wissenschaftler sollten künftig ein Gerät kaufen können, das ab Werk mit KI-Agenten zusammenarbeitet. So funktioniere die Übernahme eines Standards.

Wie das Zusammenspiel aus Agent, Treiber und Gerät aussieht, zeigt Anthropics offizielles Erklärvideo zum Standard.

Acht Stunden statt mehrerer Wochen: die Ergebnisse der Pilot-Labore

An der Carnegie Mellon University dauerte die Anbindung der Laborgeräte rund 8 Stunden. Mit den Speziallösungen der Hersteller hätte dieselbe Arbeit laut Anthropic mehrere Wochen gekostet. Dosis-Wirkungs-Experimente laufen dort mit Claude rund dreimal schneller als von Hand.

Den größten Sprung meldet QuEra aus Boston. Die Neutralatom-Quantencomputer des Herstellers stehen still, sobald ein Laser seine Soll-Frequenz verliert. Experten brauchten für die Wiederherstellung von Hand 5 bis 10 Minuten, ein zuvor geschriebenes Automatik-Skript schaffte sie in 150 Sekunden, aber nur in 58 Prozent der Fälle. Ein Claude-Agent über MHS erledigte dieselbe Aufgabe in rund 6 Sekunden und bestand 695 von 700 Testläufen (99,3 Prozent). Anschließend stimmte der Agent in 363 Durchläufen über 16 unbeaufsichtigte Stunden die Regelelektronik neu ab und senkte das Restrauschen von 15,7 auf 1,55 Millivolt.

Bei Genentech koordinierte Claude einen Protein-Assay über Pipettier-Roboter, Roboterarm und Plate Reader hinweg. Das Modell ermittelte selbstständig die passenden Flussraten (140 Mikroliter pro Sekunde für Wasser, 10 für die Proteinlösung BSA) und fing Fehler während der Läufe ab. In einer Demonstration, über die Bloomberg berichtet, schickte ein Wissenschaftler Claude ein Experimentprotokoll als PDF, und das Modell führte den Versuch auf den angebundenen Geräten aus.

Das Robotik-Start-up Tetsuwan Scientific prüfte die Präzision des Systems über 9.143 einzelne Pipettier-Vorgänge. Die MHS-gestützte Vorhersage der tatsächlich bewegten Flüssigkeitsmengen lag dabei 12 Prozent näher am Messwert als die Spezifikation des Geräteherstellers.

An der University of Washington banden die Baker- und Pinglay-Labs sechs Instrumente in unter einer Woche an, darunter qPCR-Geräte für das Screening neu entworfener Proteine. „Die Zeit, die ich früher mit dem Überwachen von qPCR-Kurven verbracht habe, fließt jetzt in die Planung“, sagt Doktorand Zihao Song in der Anthropic-Ankündigung. Am HHMI Janelia Research Campus, der den Standard mitentwickelt hat, ersetzt ein Dashboard sieben nacheinander zu startende Programme in der Zebrafisch-Bildgebung. Forscherin Virginie Ruetten spricht von einem Klick statt sieben Schritten.

Wie ein Experiment unter MHS abläuft, zeigt Anthropics zweites Video zur Ankündigung.

Wissenschaft zuerst, Fertigung als zweiter Markt

Anthropic richtet den Standard zuerst auf die Forschung und danach auf die Industrie. „Wir haben das für die Wissenschaft gebaut, um das Versprechen von KI zu zeigen. Aber auch für Unternehmen und Industrie liegen hier riesige Vorteile“, sagte Elizabeth Kelly, bei Anthropic zuständig für Beneficial Deployments, dem Sender CNBC (übersetzt).

Jonah Cool, Leiter der Wissenschafts-Partnerschaften bei Anthropic, begründet den Ansatz gegenüber Fortune mit den Insellösungen der Gerätehersteller. Diese seien brüchig und gingen oft an den Bedürfnissen der Forscher vorbei. „Wir wollen einen Vendor-Lock-in für Wissenschaftler vermeiden“, so Cool (übersetzt). Für die Fertigung haben Roboterhersteller wie Universal Robots und Doosan Robotics Unterstützung für den Standard angekündigt.

Die Anwendungsfelder der ersten Phase reichen von der Wirkstoffforschung über Quantencomputer und Neurowissenschaft bis zum Umweltmonitoring, z. B. beim Nachweis von Gewässerverschmutzung. Auch Hochdurchsatz-Screenings und Versuche, bei denen ein Agent mehrere Instrumente parallel steuert, führt Anthropic als Einsatzszenarien auf.

Not-Aus, Tempolimits im Treiber und menschliche Freigaben

Die Sicherheitsregeln stecken im Treiber selbst, nicht im KI-Modell. Der Hersteller eines Geräts legt dort fest, was ein Agent überhaupt anweisen darf. Bloomberg nennt als Beispiel einen schweren Fabrik-Roboterarm, für den der Hersteller Geschwindigkeit und zulässige Winkel im MHS-Treiber begrenzt.

Anthropic testete die Schutzschicht mit sechs absichtlich herbeigeführten Fehlern, darunter eine fehlende und eine verdreht eingelegte Probenplatte, eine getrennte Kamera, ein belegtes Lesegerät und ein ausgelöster Not-Aus. Bei riskanten Entscheidungen pausiert das Experiment, bis ein Mensch die Fortsetzung freigibt. Wie sich Agenten-Teams ohne Aufsicht verhalten, hatte Anthropic erst im August in einer eigenen Multiagenten-Studie untersucht. Dort sabotierten sich die Agenten gegenseitig und trafen Preisabsprachen.

Die Grenzen benennt Anthropic selbst. Claude fehlt in Teilen die physikalische Intuition, die Menschen aus Erfahrung mitbringen. Bei Genentech konnte das Modell z. B. schlecht unterscheiden, ob Schaumblasen in einer Probe ein physisches Problem oder ein Softwarefehler sind. Auch das räumliche Denken der Modelle ist begrenzt, und die Rechenkosten für eine Dauerüberwachung von Geräten sind offen. Ältere Geräte ohne digitale Schnittstelle bleiben ganz außen vor.

The Register merkt kritisch an, Anthropic schlage die Steuerung von Maschinen vor, obwohl das Unternehmen das Verhalten seiner eigenen Modelle nicht zuverlässig vorhersagen könne.

Ab dem 20. Januar 2027 gilt in Europa die neue EU-Maschinenverordnung 2023/1230, sie erfasst erstmals KI-gestützte Sicherheitsfunktionen. Das Portal The Next Web hält es in seiner MHS-Analyse für möglich, dass MHS-Treiber mit Sicherheitsfunktionen dann als regulierte Sicherheitsbauteile gelten, für die eine Selbsterklärung des Herstellers nicht reicht. Für die KI-Modelle selbst greift parallel der EU AI Act.

Physical AI: OpenAI baut Roboter, Anthropic liefert die Schnittstelle

Im Rennen um Physical AI, also KI in der physischen Welt, besetzt Anthropic mit dem Standard eine andere Rolle als die Konkurrenz. OpenAI gründete im Juni 2026 eine eigene Robotik-Sparte und will Universal-Roboter nicht nur programmieren, sondern selbst fertigen, zunächst für Facharbeit an Rechenzentren und Stromnetzen. Schon 2025 hatte sich das Unternehmen für 6,5 Milliarden Dollar das Hardware-Studio io von Apple-Designer Jony Ive gesichert.

Google DeepMind stellte am 30. Juli 2026 Gemini Robotics 2 vor, ein Modell, das humanoide Roboter am ganzen Körper steuert; eine On-Device-Variante läuft direkt auf dem Roboter. Nvidia-Chef Jensen Huang erklärte im März auf der Hausmesse GTC, jedes Industrieunternehmen werde zum Robotik-Unternehmen, und zeigte dazu neue Roboter-Basismodelle der GR00T-Reihe. Das Marktforschungshaus Gartner zählt Physical AI zu den strategischen Top-Technologietrends für 2026.

Am Tag der MHS-Ankündigung meldete Fortune, dass Nvidia den MHS-Partner Hugging Face laut Berichten für rund 13 Milliarden Dollar übernehmen will. Anthropic selbst baut laut CNBC parallel ein eigenes Chip-Team auf und holte die Hardware-Managerin Caitlin Kalinowski, die zuvor bei OpenAI, Meta und Apple Geräte entwickelte. Der Quartalsumsatz des Unternehmens lag zuletzt bei mehr als 11,5 Milliarden Dollar. Morgan Stanley rechnet bis 2050 mit einem Humanoiden-Markt von 4,7 Billionen Dollar und rund einer Milliarde Robotern im Einsatz.

Vom Software-Protokoll MCP zur Warteliste für Labore

Anthropics Model Context Protocol hat einen ähnlichen Weg bereits hinter sich. Es erschien im November 2024, wurde 2025 von OpenAI, Google und Microsoft übernommen und liegt heute bei der Linux Foundation. Genau diese Parallele zieht Anthropic-Entwickler Kemeny gegenüber Bloomberg.

Was MCP für die Software getan hat, wird MHS für die Hardware-Welt tun.

Alek Kemeny, Anthropic, gegenüber Bloomberg (übersetzt)

Bereits Ende 2025 hatte Anthropics Red Team im Experiment Project Fetch zwei Gruppen von Mitarbeitern ohne Robotik-Erfahrung einen Roboterhund programmieren lassen. Die Gruppe mit Claude löste 7 von 8 Aufgaben und war bei den gemeinsam gelösten rund doppelt so schnell wie die Gruppe ohne KI-Zugang.

In Laboren und Fabriken existieren mit SiLA 2 und OPC UA seit Jahren Standards für die Gerätekommunikation. Sie regeln den Datenaustausch von Maschine zu Maschine. MHS setzt eine Ebene darüber an und beschreibt Geräte so, dass ein Sprachmodell sie ohne Vorwissen findet, versteht und bedient.

Anthropic will die Spezifikation als Open Source freigeben, allerdings erst nach Abschluss der Sicherheitstests aus der Preview-Phase. Einen Termin nennt das Unternehmen nicht, ein öffentliches Code-Repository existiert bisher nicht. Labore und Fertigungsbetriebe können sich über modelhardwarestandard.com für die Warteliste bewerben. Die Teilnehmer der ersten Phase sollen den Standard testen, Sicherheits-Evaluationen aufbauen und Best Practices entwickeln.

Auf derselben Seite steht das Grundschema des Standards. Es führt vom Agenten über den MHS-Baustein zu Kamera, Roboterarm, Mikroskop, Zentrifuge, Pipettier-Roboter, Spektrometer und Inkubator. Ein achter Kasten ist gestrichelt gezeichnet und mit „Your device“ beschriftet, also dem eigenen Gerät, das sich nach demselben Muster anbinden lässt.

Häufige Fragen zum Model Hardware Standard