Laut einer auf der Website des Unternehmens veröffentlichten Ankündigung hat Anthropic am Donnerstag eine Forschungsvorschau des Model Hardware Standard (MHS) eröffnet, einer gemeinsamen Spezifikation, die es KI-Agenten ermöglichen soll, physische Geräte wie Mikroskope, Flüssigkeitshandhaber und Roboterarme sicher zu bedienen.
Das Unternehmen gewährt einer ersten Gruppe wissenschaftlicher Forschungslabore und fortgeschrittener Hersteller Zugang zur Vorschau und plant, den Standard als Open Source bereitzustellen, sobald Sicherheitsbewertungen und Best Practices mit Partnern aus den Bereichen Wissenschaft, Robotik, Elektronik und Fertigung entwickelt wurden.
Lösung des Integrationsengpasses
Laut Anthropic begann das Projekt als Zusammenarbeit mit dem HHMI Janelia Research Campus, dem Forschungscampus des Howard Hughes Medical Institute. Das Problem, auf das es abzielt, ist jedem bekannt, der in einem Labor oder in einer Fabrik gearbeitet hat: Die meisten Instrumente kommunizieren nicht miteinander, und ihre Integration erfordert in der Regel Wochen oder Monate spezialisierter Arbeit beim Aufbau maßgeschneiderter Verbindungen.
Mit MHS schrumpft die Integrationsarbeit laut Anthropic auf Stunden oder Minuten. Sobald die Geräte verbunden sind, können KI-Agenten rund um die Uhr autonome Experimente durchführen, jeden Schritt eines Experiments durchdenken, Parameter in Echtzeit aktualisieren und in einigen Fällen Hardwarefehler ohne menschliches Eingreifen beheben. Das Unternehmen gibt an, dass der Standard bereits für Aufgaben verwendet wurde, die von routinemäßigen Experimenten zur Arzneimittelentdeckung bis hin zur Laserkalibrierung auf einem Quantencomputer reichen.
Für mehr Berichterstattung über die Tools, die die KI-Entwicklung neu gestalten, AI Buzz Wire verfolgt alle wichtigen Veröffentlichungen in der gesamten Branche.
So funktioniert der Standard
Das Herzstück von MHS ist ein standardisierter Treiber: Software, die zwischen dem Betriebssystem eines Computers und einem Hardwaregerät übersetzt. Der Treiber stellt einen einfachen Satz von Grundelementen bereit – Befehle wie „Lesen“ (zum Beispiel Temperatur abrufen) oder „Schreiben“ (Temperatur einstellen) – die jedes Hardwaregerät verstehen und verarbeiten kann.
Jedes Gerät wird außerdem in einem Standardformat erkennbar gemacht, sodass Agenten und Instrumente einander in einem Netzwerk finden können, ohne dass dazwischen ein benutzerdefinierter Übersetzer erforderlich ist. Laut Anthropic vermittelt der Fahrer einem Agenten zusätzlich das Kontextwissen, das traditionell in Papierhandbüchern oder im Kopf eines Technikers steckt – zum Beispiel das Gewicht eines Roboterarms, das für die sichere Handhabung desselben wichtig ist. Benutzer können diese Informationen selbst in Tags in natürlicher Sprache schreiben oder mit einem Agenten chatten, der sie zu ihrem Hardware-Setup befragt. Der Treiber erstellt dann automatisch eine Referenzdatei, die beschreibt, was das Gerät messen kann, was angepasst werden kann und welche Sicherheitsgrenzen durchgesetzt werden.
Agenten steuern die Hardware über drei Mechanismen: das Model Context Protocol (MCP), eine Befehlszeilenschnittstelle und Codedateien mit APIs. Zusammen, so Anthropic, ermöglichen diese einem Agenten, mehrere Geräte mit einer einzigen Codezeile zu orchestrieren, Schritte instrumentenübergreifend zu sequenzieren, Ergebnisse zu überwachen und Parameter anzupassen, wenn sich die Bedingungen ändern.
Was Anthropic bei Claude beobachtete
Anthropic berichtet, dass Claude bei Tests auf eine explorative Art und Weise mit der Hardware interagierte, die der Arbeitsweise eines Wissenschaftlers ähnelt. In einem Beispiel justierte das Modell einen Laser, beobachtete die Ergebnisse durch eine Kamera, um zu sehen, wie sich der Strahl bewegte, und wiederholte den Vorgang, um die Abfolge der Ereignisse zu verstehen. Anschließend packte Claude das Gelernte in ein deterministisches Skript, sodass die Ausrichtungsprozedur als einzelner Befehl ausgeführt werden konnte, ohne dass das Modell jeden Schritt durchdenken musste.
Dieses Muster – ein Agent erkundet interaktiv und kompiliert seine Ergebnisse dann in wiederholbaren Code – ist von zentraler Bedeutung dafür, wie Anthropic erwartet, dass MHS für langwierige Aufgaben eingesetzt wird, deren kontinuierliche Überwachung langsam oder teuer wäre.
Modellunabhängig vom Design her
Anthropic positioniert MHS als Infrastruktur und nicht als Produktbindung. Der Standard funktioniert mit jedem Gerät, das über eine programmierbare Schnittstelle verfügt, und das Unternehmen gibt an, dass er modellunabhängig ist: Jeder Agent kann über Standardprotokolle wie MCP darauf zugreifen. Dies könnte für die Einführung in Forschungslaboren von Bedeutung sein, wo häufig Geräte verschiedener Anbieter und Modelle verschiedener Anbieter gemischt werden.
Die Ankündigung erfolgt inmitten eines sich verschärfenden Wettbewerbs um die Verbindung von KI-Modellen mit der physischen Welt, wobei Konkurrenten auf robotikorientierte Modelle und Hardware-Partner abzielen. Indem Anthropic zunächst auf Labore und Produktionslinien abzielt – Umgebungen mit strukturierten, instrumentenintensiven Arbeitsabläufen –, geht Anthropic davon aus, dass die wissenschaftliche und industrielle Automatisierung der erste kommerziell bedeutsame Bereich für verkörperte Agenten sein wird.
Was Sie sehen sollten
Die Forschungsvorschau ist auf eine erste Gruppe von Partnern beschränkt und Anthropic hat keinen Termin für die Open-Source-Veröffentlichung bekannt gegeben. Zu den wichtigsten Fragen für die kommenden Monate gehört, wie viele Gerätehersteller MHS-Treiber bauen, wie die mit Partnern entwickelten Sicherheitsbewertungen aussehen und ob Wettbewerber den Standard übernehmen oder mit ihm zusammenarbeiten.
Für Labore, die die Einführung abwägen, ist die Entscheidung klar: Die Hardware-Integration, die früher Monate gedauert hat, könnte zu einer Konfigurationsaufgabe werden, die in Stunden vergeht, wobei Agenten in der Lage sind, kontinuierlich Experimente im Hintergrund durchzuführen. Ob dieses Versprechen den Kontakt mit unordentlicher, realer Ausrüstung übersteht, ist der Test, den die Forschungsvorschau beantworten soll.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →
