Anthropic hat am 27. August eine Forschungsvorschau des Model Hardware Standard (kurz MHS) veröffentlicht, ein Kommunikationsprotokoll, mit dem KI-Agenten physische Geräte direkt steuern können — darunter Mikroskope, Flüssigkeitshandhabungssysteme, Roboterarme, Zentrifugen, Spektrometer und Inkubatoren, wie sie in Laboren und der fortschrittlichen Fertigung verwendet werden. Die zentrale Kennzahl, die Anthropic nennt, betrifft die Integrationskosten: Früher dauerte es Wochen bis Monate, ein Gerät in einen Automatisierungsworkflow einzubinden, mit MHS sind es Stunden oder sogar Minuten.
Der Ansatz ist dabei nicht besonders geheimnisvoll. Auf der Treiberebene abstrahiert MHS die Fähigkeiten eines Geräts zu zwei Grundoperationen — read liest einen Wert (etwa die aktuelle Temperatur), write schreibt einen Wert (etwa eine Solltemperatur); Geräte melden sich in einem einheitlichen Format selbst an, sodass das Modell nicht mehr für jede Maschine ein eigenes Übersetzungsprogramm schreiben muss. Der Standard sieht zudem Platz für Beschreibungen in natürlicher Sprache vor, in denen Geräteeigenschaften, Sicherheitsgrenzen und Fähigkeitsgrenzen direkt in für das Modell verständlichem Text festgehalten werden. Darüber liegen drei Zugänge: MCP, Kommandozeile und eine Code-Datei-API; laut Anthropic lassen sich mehrere Geräte mit einer einzigen Codezeile orchestrieren.
Zahlen aus der Praxis der Partner
Genentech setzte den Standard für eine BCA-Proteinquantifizierung ein: Claude koordinierte gleichzeitig ein Flüssigkeitshandhabungssystem, einen Roboterarm und einen Mikroplattenleser und ermittelte dabei selbstständig unterschiedliche Transferraten für verschiedene Flüssigkeiten — für Wasser rund 140 µL/s (RMSE 0,016), für die zähflüssigere BSA-Lösung nur 10 µL/s (RMSE 0,181). Bei fehlgeschlagener Pipettenspitzen-Aufnahme oder Fehlern bei der Flüssigkeitsstanderkennung zog sich das System zurück und versuchte es erneut.
Carnegie Mellon führte ein Dosis-Wirkungs-Experiment mit Verdünnungsreihen durch: Die Ausführung war 3-mal schneller, die Integration dauerte nur 8 Stunden und bewältigte dabei drei zueinander inkompatible Computerschnittstellen gleichzeitig. Ein Detail am Rande: Erreichte die angepasste Kurve kein R² von 0,98, justierte der Agent die Parameter selbst nach und wiederholte den Lauf.
Die auffälligsten Zahlen kommen von QuEra. Fiel bei einem Quantencomputer die Laserverriegelung aus, dauerte die Wiederherstellung bisher im Schnitt 150 Sekunden bei einer Erfolgsquote von 58 %; mit dem KI-Controller sind es 6 Sekunden bei 96 %, später sogar 99,3 % ohne menschliches Eingreifen. Nebenbei wurden auch die PID-Parameter neu justiert, wodurch das Restrauschen von 15,7 mV auf 1,55 mV sank — fast eine Größenordnung weniger. Darüber hinaus haben die Baker- und Pinglay-Labore der University of Washington innerhalb einer Woche sechs Geräte angebunden, sodass qPCR-Kurven in Echtzeit verfolgt und beim optimalen Amplifikationspunkt automatisch gestoppt werden können; HHMI Janelia nutzte den Standard, um die Software eines Zweiphotonenmikroskops über sieben Hersteller hinweg zu einer durchgängigen Kette zu verbinden.
Der Wert steckt in der Treiberebene
Im Kern überträgt MHS den MCP-Gedanken „dem Modell eine einheitliche Werkzeugschnittstelle geben“ von der Software auf die Hardware. Eine grobe Rechnung: Ein mittelgroßes Nasslabor besitzt meist zwei bis drei Dutzend Geräte; nach dem Ansatz der Hersteller mit je zwei Wochen pro Gerät summiert sich allein die Schnittstellenintegration auf über ein Jahr Arbeitsaufwand, nach dem 8-Stunden-Maßstab schafft eine Person das in einem Monat. Das ist nur eine grobe Schätzung — in der Praxis hängt es davon ab, ob ein Gerät überhaupt eine programmierbare Schnittstelle besitzt, und genau das ist derzeit die größte Hürde von MHS.
Die Liste der bereits angekündigten Unterstützer ist breit gefächert: AWS' Strands Robots, die LINQ-Plattform von Automata, Danaher, Doosan Robotics, QIAGEN, das Flüssigkeitshandhabungssystem Fluent von Tecan, Universal Robots sowie die LeRobot-Bibliothek von Hugging Face und Raspberry Pi. Ob sich ein Softwarestandard durchsetzt, entscheidet sich immer daran, ob die Hardwarehersteller bereit sind, sich selbst anzupassen — und diese Liste zeigt, dass die Hürde bereits zur Hälfte genommen ist.
Die Grenzen sind ausführlicher formuliert als das Marketing
Die von Anthropic selbst genannten Einschränkungen sind ziemlich nüchtern: Dem Modell fehlt physikalische Intuition, bei Fragen wie der Entstehung von Blasen braucht es weiterhin Hinweise von Experten; nur Geräte mit programmierbarer Schnittstelle lassen sich anbinden; und die Rechenkosten für einen Agenten, der ein Gerät dauerhaft überwacht, sind noch nicht abschließend beziffert. Sicherheitshalber werden die Sicherheitsgrenzen der Geräte zwangsweise vom MHS-Treiber durchgesetzt, die Sicherheitsbewertung läuft gemeinsam mit Forschungspartnern, und die Roadmap für physische Sicherheit muss vor der Open-Source-Veröffentlichung feststehen.
Der Standard soll letztlich als Open Source veröffentlicht werden — vorausgesetzt, die Sicherheitsbewertung ist abgeschlossen, Best Practices haben sich herausgebildet und die Ergebnisse der Forschungsvorschau sind veröffentlicht. Derzeit läuft der Zugang über ein Antragsverfahren; Anthropic hat dafür eine Warteliste eingerichtet. Für alle, die im Nasslabor arbeiten, liegt der eigentliche Gewinn im Zykluszeitpunkt: Ein Experiment von der Planung bis zur Durchführung lässt sich zum ersten Mal in Stunden statt in Wochen bemessen.
Quellen: offizielle Ankündigung von Anthropic, CocoLoop, modelhardwarestandard.com; die Versuchsdaten der Partner, die Liste der Gerätehersteller und die Open-Source-Pläne wurden anhand der offiziellen Ankündigung geprüft.