MHS verbindet KI-Agenten mit physischen Geräten
Anthropic erweitert das Konzept autonomer KI-Agenten auf die physische Welt. Der neue Model Hardware Standard, kurz MHS, soll eine einheitliche Schnittstelle für Laborgeräte, Roboter und andere Maschinen schaffen. Bislang benötigen solche Systeme häufig individuell entwickelte Treiber und Übersetzungsprogramme.
MHS befindet sich zunächst in einer Forschungsvorschau. Der Schwerpunkt liegt auf wissenschaftlichen Laboren und fortgeschrittenen Fertigungsumgebungen. Dort müssen Kameras, Mikroskope, Laser, Sensoren und Roboterarme oft über unterschiedliche Protokolle koordiniert werden.
Anthropic zufolge kann MHS den Aufwand für die Integration verschiedener Geräte von mehreren Wochen oder Monaten auf Stunden oder Minuten reduzieren. Die Aussage basiert bislang auf Tests mit ausgewählten Forschungspartnern und ist nicht unabhängig belegt.
Eine gemeinsame Übersetzungsschicht für Geräte
Der Standard definiert Treiber, Datenformate und Gerätebeschreibungen. Geräte sollen dadurch über ein Netzwerk miteinander kommunizieren können, ohne dass für jede Kombination ein eigenes Vermittlungsprogramm geschrieben werden muss.
Für die grundlegende Nutzung ist kein KI-Modell erforderlich. MHS-Geräte lassen sich auch über die Kommandozeile oder über API-Skripte steuern. Eine API ist eine Programmierschnittstelle, über die Software Befehle und Daten strukturiert austauscht.
| Baustein | Aufgabe | Praktischer Nutzen |
|---|---|---|
| MHS-Treiber | Einheitliche Ansteuerung von Hardware | Weniger individuelle Geräteintegrationen |
| Gerätebeschreibungen | Dokumentation von Eigenschaften und Grenzen | Modelle erhalten maschinenlesbaren Kontext |
| API-Skripte | Verknüpfung mehrerer Arbeitsschritte | Wiederholbare Abläufe über mehrere Geräte |
| MCP-Anbindung | Verbindung mit KI-Modellen und Werkzeugen | Steuerung und Planung in natürlicher Sprache |
MCP macht aus der Schnittstelle einen KI-Agenten
Die Anbindung an KI-Modelle erfolgt über das Model Context Protocol, kurz MCP. Das offene Protokoll verbindet Modelle mit Werkzeugen und Datenquellen. Die geplante Weiterentwicklung des Protokolls beschreibt die MCP-Roadmap für KI-Agenten.
Ein Modell wie Claude könnte über MHS beispielsweise einen Laser justieren, das Ergebnis mit einer Kamera prüfen und die Einstellung wiederholen. Ein weiteres Szenario ist ein Mikroskop, das automatisch fokussiert, Aufnahmen auswertet und anschließend den relevanten Bereich genauer untersucht.
Anthropic demonstrierte außerdem einen Roboterarm, der eine Aluminiumdose greifen sollte, ohne zuvor speziell auf diese Aufgabe trainiert worden zu sein. Statt jeden Schritt bei jeder Ausführung erneut zu planen, kann der Agent API-Skripte erzeugen und diese bei veränderten Bedingungen anpassen.
Physische Grenzen werden maschinenlesbar
Fehlerhafte Befehle sind bei realer Hardware deutlich folgenreicher als in einer reinen Softwareumgebung. MHS enthält deshalb standardisierte Kennzeichnungen für Gewicht, Reichweite, einstellbare Parameter, Messmöglichkeiten und festgelegte Sicherheitsgrenzen eines Geräts.
Diese Angaben werden in einer Referenzdatei gebündelt. Ein Modell soll dadurch auch Hardware bedienen können, die in seinen Trainingsdaten nicht vorkam. Ob die beschriebenen Grenzen zuverlässig eingehalten werden, hängt allerdings von Treibern, Laufzeitkontrollen und der konkreten Sicherheitsarchitektur ab.
Gerade autonome Werkzeugaufrufe bleiben ein Risikofaktor. AWS verfolgt mit Dogwood gegen falsche Tool-Aufrufe einen verwandten Ansatz auf der Softwareseite. Untersuchungen zu Human-in-the-Loop-Freigaben zeigen zudem, dass eine menschliche Bestätigung allein keine verlässliche Sicherheitsgarantie darstellt.
Partner aus Robotik, Cloud und Open Source
Während der Vorschau arbeitet Anthropic mit wissenschaftlichen Laboren und Herstellern zusammen. Genannt werden AWS mit Strands Robots, Hugging Face mit LeRobot, Raspberry Pi, Automata und Universal Robots. Die Partner sollen Sicherheitsbewertungen und bewährte Verfahren für den Einsatz von KI an physischen Geräten entwickeln.
Langfristig soll MHS als Open Source veröffentlicht und unabhängig vom verwendeten KI-Agenten einsetzbar werden. Das wäre für Unternehmen relevant, weil eine offene Geräteschnittstelle die Abhängigkeit von einzelnen Modellanbietern reduzieren könnte. Entscheidend wird sein, ob Spezifikation, Referenztreiber und Sicherheitswerkzeuge tatsächlich offen verfügbar sind.
Was MHS für Unternehmen im DACH-Raum bedeutet
Der unmittelbarste Nutzen liegt in Laborautomatisierung, Qualitätssicherung, Prototypenbau und flexiblen Fertigungszellen. Eine gemeinsame Schnittstelle könnte Integrationskosten senken und den Austausch einzelner Komponenten erleichtern. Besonders interessant ist das für Unternehmen mit heterogenen Maschinenparks und vielen proprietären Steuerungen.
Dem stehen erhebliche Anforderungen gegenüber. Zugriffsrechte, Notabschaltungen, Protokollierung und die Trennung von Planung und Ausführung müssen außerhalb des Sprachmodells durchgesetzt werden. Bei sensiblen Produktionsdaten kommen Datenschutz, Geschäftsgeheimnisse und die Wahl zwischen Cloud-Betrieb und lokaler Ausführung hinzu.
Für einen produktiven Einsatz reicht daher kein Agent mit weitreichenden Geräteberechtigungen. Sinnvoller sind eng begrenzte Befehlsräume, deterministische Prüfungen und lokale Kontrollkomponenten. MHS kann die technische Integration vereinfachen, ersetzt aber weder Maschinenrichtlinien noch Arbeitsschutz oder eine belastbare Risikoanalyse.