Anthropic verlagert seine KI-Ambitionen vom Bildschirm auf den Labortisch und wettet darauf, dass eine gemeinsame Schnittstelle isolierte Instrumente in koordinierte Rund-um-die-Uhr-Systeme verwandeln kann. Die schwierigere Aufgabe könnte darin bestehen, Gerätehersteller davon zu überzeugen, den Standard weit genug zu übernehmen, damit dieses Versprechen Bedeutung gewinnt.

Am Donnerstag eröffnete das Unternehmen eine Forschungsvorschau auf den Model Hardware Standard, kurz MHS, der gemeinsam mit dem HHMI Janelia Research Campus entwickelt wurde. Die Spezifikation soll KI-Agenten ermöglichen, programmierbare Geräte – von Mikroskopen und Liquid-Handlern bis zu Roboterarmen – sicher zu bedienen und gleichzeitig mehrere Instrumente parallel arbeiten zu lassen.

Das Problem ist Laboren und Fabrikhallen vertraut: Jede Maschine wird meist mit einer eigenen Schnittstelle geliefert, was Spezialisten dazu zwingt, individuelle Verbindungen zu bauen, die Wochen oder Monate dauern können. Anthropic zufolge ersetzt MHS einen Großteil dieser Arbeit durch einen Standardtreiber und eine kleine Reihe von Befehlen, darunter „read“ und „write“, wodurch sich die Einrichtung auf Stunden oder Minuten verkürzt.¹

Das Argument des Unternehmens beruht auf Automatisierung mit Leitplanken, nicht bloß auf schnelleren Maschinen. Gerätebeschreibungen können Details in natürlicher Sprache und durchgesetzte Sicherheitsgrenzen enthalten, während Agenten Ergebnisse überwachen, Parameter anpassen und in manchen Fällen Fehler beheben können. Anthropic stellt das frühe System Laboren, Robotikfirmen, Elektronikkonzernen und Herstellern zur Verfügung, um Sicherheitsbewertungen zu entwickeln, bevor es als Open Source veröffentlicht wird.²

Frühe Tests liefern die optimistische Version dieser Zukunft. Forscher von Carnegie Mellon führten Berichten zufolge serielle Verdünnungsexperimente rund dreimal schneller durch; QuEra erklärte, ein Agent habe eine Quantelaser-Sperre in 99,3 % der Fälle ohne menschliches Eingreifen wiederhergestellt. In einer weiteren Demonstration justierte Claude einen Laser, bewertete das Ergebnis über eine Kamera und wandelte seine Erkenntnisse anschließend in ein wiederholbares Skript um.

Doch der Standard ist kein magischer Adapter: Nur Geräte mit programmierbaren Schnittstellen können ihn nutzen, und ältere Geräte benötigen möglicherweise Aufrüstungen. Anthropics Unterscheidungsmerkmal besteht darin, dass MHS modellagnostisch ist, auf seinem Model Context Protocol aufbaut und nicht Claude vorbehalten ist. Wie Partnerschaftschef Jonah Cool sagte, leidet wissenschaftliche Ausrüstung häufig unter „proprietary solutions that are very brittle“, und das Ziel sei, „avoid vendor lock-in for scientists.“¹

Damit ist die Vorschau ein Versuch, die Infrastruktur für physische KI festzulegen – und nicht nur ein weiteres Modell zu verkaufen. Ob sie zur gemeinsamen Sprache des Labors wird, hängt nun von den Anbietern ab, deren Maschinen lernen müssen, sie zu sprechen.