MHS – der Model Hardware Standard, mit dem KI-Agenten Geräte bedienen
Am 27. August 2026 hat Anthropic eine Forschungsvorschau des Model Hardware Standard geöffnet, kurz MHS. Dahinter steckt eine gemeinsame Spezifikation, mit der KI-Agenten physische Geräte finden, auslesen und bedienen können. Nicht Dateien, nicht Datenbanken – Mikroskope, Pipettierautomaten, Roboterarme, Laser. Wer den Begriff zum ersten Mal in einem Untertitel liest und ihn für einen Verhörer von MCP hält, liegt falsch: MHS ist ein eigener Standard mit einer anderen Aufgabe.
Das Problem, das MHS lösen soll
Ein Labor oder eine Fertigungslinie besteht aus Geräten verschiedener Hersteller, die nie dafür gebaut wurden, miteinander zu sprechen. Jedes bringt eigene Steuersoftware mit, ein eigenes Datenformat, einen eigenen Treiber. Wer sie zusammenschalten will, braucht Fachleute, die für jede Kombination eine eigene Brücke programmieren. Anthropic beziffert den üblichen Aufwand für Aufbau und Anbindung mit Wochen bis Monaten.
Eine Forscherin am HHMI Janelia Research Campus beschreibt in der Ankündigung ihren Messplatz für Zebrafisch-Mikroskopie: Femtosekundenlaser, schnelle Spiegel, hochempfindliche Detektoren, zwei Verschiebetische – die Detektoren laufen in MATLAB, die Kameras in Python, die Elektrophysiologie in C#. Eine Größe, die ein Programm kennt, etwa die Position des Tisches, ist für die anderen unsichtbar. Um ein Experiment zu starten, musste sie sieben Programme in einer festen Reihenfolge hochfahren. Die falsche Reihenfolge kostete die ganze Sitzung.
Diese Beschreibung dürfte jedem bekannt vorkommen, der schon einmal einen gewachsenen Maschinenpark oder eine gewachsene Messtechnik übernommen hat. Das Muster ist nicht auf die Forschung beschränkt.
Wie MHS aufgebaut ist
Im Kern steht ein standardisierter Treiber. Er übersetzt zwischen dem Betriebssystem und dem Gerät und arbeitet mit einem bewusst kleinen Satz an Grundbefehlen: lesen, etwa Temperatur abfragen, und schreiben, etwa Temperatur setzen. Jedes Gerät meldet sich zusätzlich in einem einheitlichen Format an, sodass Geräte und Agenten einander im Netz finden, ohne dass dazwischen ein eigens gebautes Übersetzungsprogramm läuft.
Der zweite Baustein ist ungewöhnlicher. Der Treiber trägt Auszeichnungen, in die sich in normaler Sprache schreiben lässt, was ein Modell aus dem Programmcode allein nicht erkennen kann – etwa das Gewicht eines Roboterarms, das darüber entscheidet, wie er sicher bewegt werden darf. Bisher steht so etwas in gedruckten Handbüchern, auf dem Rechner eines Mitarbeiters oder in niemandes Kopf außer dem des Zuständigen. Wer die Angaben nicht selbst eintragen will, lässt sich von einem Agenten dazu befragen.
Für die eigentliche Steuerung nennt Anthropic drei Wege: MCP, die Kommandozeile und Code-Dateien. Sie greifen ineinander, sodass sich mehrere Geräte über eine einzige Zeile ansprechen lassen. Braucht ein Ablauf mehr Tempo, als das Modell mitdenken kann, verkettet der Agent Treiberbefehle in einer Datei – die Geräte führen den Ablauf dann selbst aus, ohne dass bei jedem Schritt ein Modell nachdenkt.
MCP und MHS – der Unterschied in vier Sätzen
MCP verbindet ein Modell mit Software: Dateien, Datenbanken, Programmschnittstellen, Kalender, Postfächer. Der Standard ist seit Ende 2024 offen und wurde inzwischen von mehreren Anbietern übernommen.
MHS verbindet ein Modell mit Hardware: Geräten, die sich bewegen, messen, heizen, kühlen, greifen. Die beiden konkurrieren nicht miteinander – MCP ist einer der drei Wege, über die ein Agent auf MHS-Geräte zugreift.
Was in der Vorschau tatsächlich gemessen wurde
Die Ankündigung enthält Berichte von sechs Partnern. Wir geben sie hier so wieder, wie sie dort stehen – es sind Angaben der Beteiligten, keine unabhängig geprüften Werte.
Genentech
Eine Proteinbestimmung über drei Geräte: Pipettierautomat, Roboterarm, Plattenleser. Claude ermittelte die Flussraten selbst – rund 140 Mikroliter je Sekunde für Wasser, 10 für die zähere Proteinlösung. Die hauseigenen Fachleute bestätigten die Werte als sinnvoll.
Carnegie Mellon University
Verdünnungsreihen etwa dreimal schneller. Vier Geräte auf drei Rechnern mit unvereinbaren Schnittstellen, eines davon nur über die Bildschirmoberfläche bedienbar. Treiber und Steuerschicht standen nach rund acht Stunden – üblich sind mehrere Wochen.
QuEra
Das Nachjustieren eines Lasers im Quantenrechner. Ein zuvor über Monate von vier Personen gebautes Skript schaffte 58 Prozent in rund 150 Sekunden. Nach einer Nacht Agentenschleife: sechs Sekunden. Im Blindtest über 700 Versuche 695 Treffer, also 99,3 Prozent.
University of Washington
Sechs Geräte in weniger als einer Woche angebunden, das Schreiben der Treiber eingerechnet. Vorher: Wochen der Anbieterprüfung, Zwischencode, am Ende Abbruch. Der Zustand aller Geräte läuft jetzt auf einer Übersicht zusammen.
Der QuEra-Bericht enthält den aus unserer Sicht bemerkenswertesten Satz der ganzen Ankündigung. Das Ergebnis der nächtlichen Agentenschleife ist kein Agent, der den Laser bedient, sondern ein deterministisches, vollständig einsehbares Skript, das im Betrieb ohne jedes Modell läuft. Der Agent hat es geschrieben und über hunderte Durchläufe verbessert – danach war er entbehrlich. Bei Genentech beschreibt Anthropic dasselbe Muster: Claude justierte einen Laser, sah über eine Kamera nach, was die Justierung bewirkte, wiederholte das – und verpackte am Ende das Gelernte in ein Skript, das den Vorgang als einen einzigen Befehl ausführt.
Das ist eine andere Erzählung als die vom dauerhaft mitdenkenden Agenten. Hier ist das Modell das Werkzeug, mit dem eine Automatisierung entsteht, nicht die Automatisierung selbst.
Die Grenzen, offen benannt
Anthropic nennt sie selbst, und die Partnerberichte sind an dieser Stelle erfreulich unbeschönigt.
Physik versteht das Modell nicht. Bei Genentech bildeten sich beim Pipettieren Blasen. Claudes erster Reflex war, den Vorgang in derselben Vertiefung mit anderen Werten zu wiederholen – was die Flüssigkeit weiter aufschäumte und das Problem vergrößerte. Erst als jemand erklärte, dass es sich um Blasen handelt und die Lösung in einer sauberen Vertiefung mit weniger Mischgängen liegt, hielt der Agent das für den Rest des Laufs durch. Ein Sprachmodell lernt die physische Welt aus Text und Bildern; räumliches und stoffliches Denken bleibt dünn.
Ohne Schnittstelle kein MHS. Geräte, die sich überhaupt nicht ansteuern lassen, fallen heraus. Anthropic arbeitet dafür mit Herstellern zusammen, die Treiber ab Werk einbauen sollen.
Dauerbetrieb kostet. Ein Agent, der über Stunden ein Experiment begleitet, verbraucht Rechenzeit. Der Bericht aus der University of Washington weist ausdrücklich darauf hin, dass diese Kosten gegen die eingesparte Arbeitszeit zu rechnen sind – nicht jede Überwachung lohnt sich.
Vorsicht kostet auch. Bei QuEra hielt Claude wiederholt an und wartete auf menschliche Bestätigung, sobald ihm ein Schritt auch nur leicht riskant erschien. Experimente pausierten dadurch nachts stundenlang. Die Bewertung des Teams: ein zu vorsichtiger Agent ist immer noch besser als ein zu unvorsichtiger.
Der Standard ist noch nicht offen. Die Vorschau dient ausdrücklich auch dazu, gemeinsam mit den Partnern Sicherheitsprüfungen aufzubauen, bevor MHS quelloffen wird. Anthropic kündigt dazu einen Fahrplan für physische Sicherheit an.
Wer schon mitzieht
Auf der Herstellerseite sind bereits eine Reihe von Namen genannt: Amazon Web Services über die Bibliothek Strands Robots, Automata für seine Laborplattform LINQ, Danaher, Doosan Robotics für Roboterarme, MBF Bioscience für ScanImage – die Steuersoftware laserabtastender Mikroskope in hunderten Laboren –, QIAGEN für QIAsymphony Connect, Tecan für die Fluent-Reihe und Universal Robots. Hugging Face nimmt MHS in LeRobot auf, Raspberry Pi bereitet die Unterstützung für mehrere Produkte vor, nachdem ein Treiber für das Kameramodul erfolgreich getestet wurde.
Der letzte Punkt ist der für kleinere Vorhaben interessanteste. Sobald MHS auf einem Einplatinenrechner mit Kameramodul läuft, verschiebt sich die Einstiegsschwelle von der Laborautomatisierung hin zu Aufbauten, die in jeder Halle stehen könnten.
Was das für einen Betrieb mit Maschinen und Messtechnik bedeutet
Zunächst einmal wenig Konkretes. Die Vorschau ist geschlossen, der Zugang läuft über eine Warteliste, und die Beispiele stammen aus Wirkstoffforschung, Mikroskopie und Quantentechnik. Wer heute eine Anlage überwachen will, bekommt das mit vorhandener Technik gelöst.
Was sich trotzdem lohnt, ist eine nüchterne Bestandsaufnahme – unabhängig davon, ob am Ende MHS, ein Wettbewerbsstandard oder gar keiner das Rennen macht:
- Welche Anlage hat überhaupt eine programmierbare Schnittstelle? Modbus, OPC UA, eine Netzwerkschnittstelle, eine serielle Verbindung, ein Herstellerpaket. Was nichts davon hat, ist für jede Form von Automatisierung erst einmal blind.
- Welche Werte fallen dort an, und wohin gehen sie heute? In den meisten Betrieben sammelt sich die Antwort in einem Bildschirm, den einmal am Tag jemand ansieht.
- Was steht nur in Köpfen? Genau dafür sind die MHS-Auszeichnungen in normaler Sprache gedacht. Diese Angaben aufzuschreiben ist auch ohne KI die bessere Betriebsdokumentation.
- Welcher Schritt kostet regelmäßig Wartezeit? Die überzeugendsten Ergebnisse der Vorschau betreffen nicht das Denken, sondern das Warten – Platten wechseln, Kurven beobachten, nachts zum Nachjustieren fahren.
Unsere eigene Erfahrung aus der Fernüberwachung technischer Anlagen und aus spuerwerk© deckt sich mit dem Bild: Die schwierige Arbeit steckt selten im Auswerten. Sie steckt darin, überhaupt an die Werte heranzukommen und sie in eine gemeinsame Form zu bringen. Genau diesen Teil greift MHS an.
Einordnung
MHS ist kein Produkt, das man kauft, und kein Ersatz für Automatisierungstechnik. Es ist ein Vorschlag für eine gemeinsame Steckernorm zwischen Modell und Gerät – vergleichbar mit dem, was MCP für Software geworden ist. Ob sich der Vorschlag durchsetzt, hängt weniger an der Technik als daran, ob genug Gerätehersteller mitziehen. Die genannte Liste ist ein Anfang, mehr nicht.
Was auch bei einem Scheitern des Standards bleibt, ist die Erkenntnis aus der Vorschau: Ein Modell, das ein Gerät bedienen darf, ist vor allem gut darin, eine Automatisierung zu schreiben, die danach ohne es auskommt. Wer das ernst nimmt, misst Erfolg nicht an der Laufzeit des Agenten, sondern an den Skripten, die er hinterlässt.
Sie wollen wissen, welche Ihrer Anlagen überhaupt Daten hergeben?
Wir nehmen den vorhandenen Bestand auf, prüfen die Schnittstellen und sagen Ihnen, was sich damit auslesen lässt und was nicht. Erst messen, dann bauen – in dieser Reihenfolge.
Fernüberwachung ansehenQuellen
Sämtliche Angaben in diesem Beitrag stammen aus der Ankündigung von Anthropic vom 27. August 2026 und den darin veröffentlichten Partnerberichten von Genentech, der University of Washington, der Carnegie Mellon University, dem HHMI Janelia Research Campus, QuEra und Tetsuwan. Wir stehen in keiner Verbindung zu den genannten Einrichtungen und Herstellern.