Ein Forscher reagiert überrascht, als Claude herausfindet, wie sich mit einem Roboterarm eine Aluminiumdose greifen lässt. Die Szene stammt aus einem Video, das Anthropic Ende August 2026 zur Ankündigung seines Model Hardware Standard veröffentlicht hat. Es macht deutlich, wie sich der Umgang mit künstlicher Intelligenz ändert.
Bislang spielte sich die Welt der KI-Agenten fast nur im Digitalen ab: Sie schreiben Texte, analysieren Bilder, generieren Code oder klicken sich durch Webseiten. Die physische Welt – Geräte, Maschinen, Laborapparaturen – blieb ihnen verschlossen. Der Grund: Jede Maschine spricht ihre eigene Software-Sprache. Wer eine KI einen Motor steuern lassen will, musste sie bisher mit individuellen Treibern, kryptischen Schnittstellen und unzähligen Protokollen füttern. Hier setzt der neue „Model Hardware Standard“ (MHS) von Anthropic an, der als Research Preview vorgestellt wurde.
Warum die Integration von Geräten bisher ein Geduldsspiel war
Wer schon einmal wissenschaftliche Geräte miteinander verbunden hat, kennt das Problem. Ein Laser von Hersteller A redet mit einer Software, die auf Windows läuft. Eine Kamera von Hersteller B benötigt ein Python-Skript. Ein Mikroskop spricht ein proprietäres Protokoll. Um ein Experiment aufzubauen, basteln Forscher oft wochenlang an Adaptern und Übersetzern. Jede Änderung an einem Gerät kann das ganze Kartenhaus zum Einsturz bringen.
Anthropic will diesen Aufwand mit MHS deutlich verringern. Die Idee: eine universelle Schnittstelle – vergleichbar mit USB für die Datenübertragung, nur für die Steuerung von Hardware. Statt eines Programms, das jedes Gerät einzeln anspricht, stellt MHS einen gemeinsamen Datenstandard bereit, den Menschen und KI-Agenten verstehen. Laut Anthropic sinkt die Integrationszeit damit von Wochen oder Monaten auf Stunden oder Minuten.
Die Idee hat einen konkreten Ursprung. Anthropic-Mitarbeiter Alek Kemeny besuchte den Janelia Research Campus in Virginia und sah dem Neurowissenschaftler Arco Bast zu. Der baute ein komplexes Experiment zur Gedächtnisbildung auf und koordinierte rotierende Laserstrahlen, Mikroskope, Kameras und andere Komponenten über eine gemeinsame Schnittstelle. Kemeny sei damals der Gedanke gekommen, diese Idee zu nutzen, um KI in wissenschaftlichen Experimenten einzusetzen.
Was der Model Hardware Standard konkret verändert
Im Kern ist MHS ein Satz standardisierter Treiber, also Software, die einem Computer die Kommunikation mit einem Gerät ermöglicht. Diese Treiber nutzen ein gemeinsames Datenformat. Geräte und KI-Modelle können dadurch Daten austauschen, ohne Übersetzerprogramm. Ein Mikroskop sendet seine Messwerte direkt an einen Roboterarm; der passt seine Position an. Alles in einer einheitlichen Sprache.
Die Steuerung funktioniert auch ohne KI. MHS-Geräte lassen sich über Kommandozeilenbefehle oder API-Code direkt ansprechen; auch traditionelle Programmierer können sie nutzen. Interessant wird es in der Kombination mit einem KI-Modell, etwa über das Model Context Protocol. Dann spricht ein Forscher mit der Maschine in natürlicher Sprache: „Fokussiere das Mikroskop auf den linken Bereich der Probe und mach eine Aufnahme.“ Die KI übersetzt den Befehl in präzise Hardware-Aktionen.
Das System führt nicht nur einfache Anweisungen aus. Anthropic beschreibt, wie Claude einen Laser kalibriert: Das Modell verändert die Einstellung, prüft das Ergebnis mit einer Kamera und plant daraufhin den nächsten Schritt. Ähnlich könnte eine KI ein Mikroskop fokussieren, die Aufnahme analysieren, relevante Stellen identifizieren und das Gerät dorthin bewegen – ein Regelkreis aus Wahrnehmung, Entscheidung und Aktion.
Tags, Sicherheitslimits und Selbstkorrektur
Wichtig für den Einsatz in der Realität ist die standardisierte Kennzeichnung, die Anthropic in MHS eingebaut hat. Jedes Gerät erhält einen Steckbrief mit den physikalischen Grenzen der Hardware: Gewicht und Aktionsradius eines Roboterarms, einstellbare Parameter eines Lasers, maximale Sicherheitslimits einer Pumpe. Diese Informationen stehen in einer Referenzdatei. Eine KI kann sie abrufen, wenn sie ein unbekanntes Gerät zum ersten Mal sieht.
Das ist wichtig: Viele KI-Modelle wurden vor allem mit virtuellen Daten trainiert. Sie wissen, was ein Roboterarm theoretisch tun kann, aber nicht, wie schwer er heben darf oder wo seine Gelenke physisch an ihre Grenzen stoßen. Die Tags schließen diese Lücke, indem sie der KI den nötigen Kontext aus der realen Welt liefern. Sie sind auch eine Sicherheitsbarriere: Anthropic spricht ausdrücklich von erzwungenen Sicherheitsgrenzen. Wie streng die Durchsetzung technisch aussieht, sagt die Ankündigung nicht.
Und wenn ein Fehler passiert? MHS-fähige Modelle können sich in einigen Fällen ohne menschliches Eingreifen von einem Hardware-Fehler erholen. Ein Promo-Video zeigt, wie Claude ohne Spezialtrainingsdaten herausfindet, wie ein Roboterarm eine Aluminiumdose aufhebt. Die KI liest die Geräteparameter, probiert Bewegungen aus, beobachtet das Ergebnis und korrigiert sich selbst. Statt jeden Schritt einzeln zu planen, können MHS-fähige Systeme auch Scripts schreiben, die mehrere Instrumente nacheinander ansteuern. Bei veränderten Bedingungen passen sie die Scripts an.
Vom Labor in die Fabrik: Die ersten Partner
Anthropic startet MHS als geschlossenes Forschungsprojekt. Erste Partner sind wissenschaftliche Labore und fortschrittliche Hersteller: Amazon Web Services mit Strands Robots, Hugging Face mit der Roboterplattform LeRobot, der Einplatinencomputer-Hersteller Raspberry Pi sowie die Automatisierungsfirmen Automata und Universal Robots. Gemeinsam wollen sie Sicherheitsbewertungen und bewährte Verfahren für den Betrieb von KI-Systemen mit physischen Geräten entwickeln.
Die Auswahl der Partner ergibt sich aus deren Profilen. Raspberry Pi steht für niedrigschwellige Hardware, LeRobot für eine offene Robotersteuerung, Universal Robots und Automata kennen die industrielle Fertigung. Anthropic kündigt an, MHS später als Open-Source-Standard zu veröffentlichen. Er soll möglichst vielen KI-Systemen offenstehen – unabhängig vom Hersteller des Modells. So soll verhindert werden, dass sich beim Steuern von Hardware ein Vendor-Lock-in etabliert.
In ersten Tests im vergangenen Jahr berichtet Anthropic von deutlich schnelleren Geräte-Integrationen. Kemeny sagt: „Wenn man Hypothesen schneller testen kann, kann man allgemeine Technologien schneller entwickeln. So kann sich ein Jahrhundert Fortschritt in einem Jahrzehnt bündeln.“ Ob das übertrieben ist, wird sich zeigen.
Was der Standard für uns bedeutet
MHS ist kein reines Technik-Feature. Es ist der Versuch, KI-Agenten aus dem Bildschirm zu holen und in Werkstätten, Labore und Produktionshallen zu bringen. Die Analogie zu USB liegt nahe: Vor USB war der Anschluss von Drucker und Maus an einen PC ein Abenteuer, danach wurde er zur Selbstverständlichkeit. Der Model Hardware Standard könnte Ähnliches für die Steuerung von Maschinen bewirken – für Fachleute und langfristig für alle, die Automatisierung nutzen wollen.
Offene Fragen gibt es genug. Sicherheit ist das drängendste Thema: Wer haftet, wenn ein KI-gesteuerter Roboterarm einen Unfall verursacht? Wie verhindert man, dass ein Modell die physischen Grenzen seiner Geräte überschreitet? Anthropic hat erste Antworten in die Sicherheitslimits und Referenzdateien eingebaut. Ein umfassendes Regelwerk fehlt noch. Auch der offene Standard ist nur angekündigt – bis die Community ihn übernimmt, kann es dauern.
Der Schritt ist trotzdem folgerichtig. KI war bisher ein Kopf ohne Hände. Standards wie MHS geben ihr eine Schnittstelle zur physischen Welt. Wer heute zusieht, wie eine KI eine Aluminiumdose greift, bekommt eine Vorstellung davon, was morgen möglich ist: ein Labor, in dem Roboter eigenständig Experimente fahren, während Menschen die strategischen Entscheidungen treffen. Das ist keine Science-Fiction, sondern die logische Fortsetzung der Automatisierung – über die Grenze zwischen Bit und Atom.
Quelle: arstechnica.com
