KI-Agenten können mittlerweile nicht nur Texte verfassen und Code schreiben — sie steuern zunehmend auch physische Maschinen. Anthropic hat am 28. August 2026 den Model Hardware Standard (MHS) in einer Forschungsvorschau veröffentlicht: eine Spezifikation, die es KI-Agenten erlaubt, Laborgeräte, Roboterarme und Fertigungsanlagen per Sprachbeschreibung zu integrieren. Die Einrichtungszeit sinkt dabei von Wochen auf Stunden — eine Entwicklung, die weit über Labore hinausweist.
Was der Model Hardware Standard konkret ist
Anthropic hat MHS als offene Spezifikation entwickelt, die zwischen Betriebssystemen und physischen Geräten vermittelt — ähnlich wie das Model Context Protocol (MCP) für Software-Integrationen funktioniert. Das Grundprinzip: Statt dass Ingenieure jede Schnittstelle manuell programmieren, beschreiben Bediener die Fähigkeiten eines Geräts in natürlicher Sprache. Diese Beschreibungen übersetzen standardisierte Treiber in maschinenlesbare Referenzdateien, auf die KI-Agenten direkt zugreifen.
Das System nutzt drei Steuerungskanäle gleichzeitig: das Model Context Protocol, Kommandozeileninterfaces und Code-APIs. Damit deckt es praktisch jede Art programmierbarer Hardware ab — von einfachen Messgeräten bis zu komplexen Roboterarmen. Ein geteiltes Zustandswörterbuch ermöglicht dabei, dass mehrere Prozesse gleichzeitig auf dieselben Gerätedaten zugreifen und Workflows koordiniert ausführen.
Erste Tests zeigen den Ansatz in der Praxis: In einem Versuch lernte Claude eigenständig, einen Laser auszurichten — durch Versuch und Irrtum, ohne manuelle Anleitung. Anschließend vereinfachte der Agent die gefundene Routine zu einem wiederverwendbaren Script, das künftige Ausrichtungen automatisiert.
Wer bereits an Bord ist
Zu den Partnerunternehmen der Forschungsvorschau gehören Tecan und QIAGEN (Laborautomatisierung und Diagnostik), Doosan Robotics und Universal Robots (industrielle Roboterarme), sowie AWS (Cloud-Infrastruktur). Auch Hugging Face und Raspberry Pi haben Unterstützung für MHS in ihre Produktlinien angekündigt.
Auf Forschungsseite arbeiten unter anderem Genentech (Biotechnologie), Carnegie Mellon University (Robotik), HHMI Janelia (Mikroskopie) und Tetsuwan Scientific (Umweltwissenschaften) mit der neuen Spezifikation. Diese Mischung aus Industrie und Forschung ist bewusst gewählt: MHS soll ein Standard werden, der in der Breite implementiert wird — nicht ein proprietäres Anthropic-Protokoll.
Warum das für den Mittelstand zählt
Die bisherige Hürde war eindeutig: Um ein Laborgerät oder eine CNC-Maschine an ein KI-System anzubinden, brauchten Unternehmen spezialisierte Softwareingenieure und oft mehrere Wochen Entwicklungszeit. Diese Kosten machten automatisierte KI-Steuerung für viele mittelständische Betriebe schlicht unwirtschaftlich.
MHS adressiert genau diesen Engpass. Wenn eine Maschine ihre Fähigkeiten in natürlicher Sprache beschreiben kann, entfällt das aufwändige Programmieren individueller Schnittstellen. Anthropic nennt als Ziel eine Reduktion der Einrichtungszeit von Wochen auf Stunden bis hin zu einem Tag. Für wen ist das besonders relevant?
- Fertigungsbetriebe, die CNC-Maschinen, Qualitätsprüfgeräte oder Montageroboter einsetzen
- Laboreinrichtungen in Medizintechnik und Chemie mit Pipettierautomaten, Spektrometern oder Kühlsystemen
- Logistikunternehmen mit automatisierten Lager- und Sortiersystemen
- Forschungsabteilungen, die regelmäßig neue Geräte in bestehende Workflows integrieren
„Wenn eine Maschine ihre Fähigkeiten in natürlicher Sprache beschreiben kann, entfällt das aufwändige Programmieren individueller Schnittstellen — und das verändert, wer sich KI-gestützte Automatisierung leisten kann."
lightbulbPraxis-Tipp: Früh beobachten, gezielt evaluieren Wer bereits Make.com, Zapier oder n8n für Prozessautomatisierung nutzt, kennt das Prinzip des „low-code integration": standardisierte Adapter statt individueller Programmierarbeit. MHS ist das physische Pendant dazu. Falls Ihr Betrieb regelmäßig neue Geräte in bestehende Abläufe integriert, lohnt es sich, die Spezifikation im Blick zu behalten. Die Open-Source-Veröffentlichung ist geplant — sobald sie verfügbar ist, empfiehlt sich ein früher Evaluierungspilot mit einem Gerät, dessen Integration heute noch zu teuer ist.
Was noch offen ist
MHS befindet sich noch in der Forschungsvorschau — es gibt noch keine produktive Implementierung für beliebige Unternehmen. Eine Open-Source-Veröffentlichung ist geplant, ein konkretes Datum steht nicht fest. Bis dahin ist der Zugang primär für Forschungspartner und ausgewählte Industrieunternehmen verfügbar.
Es besteht auch eine wichtige Einschränkung: Sicherheitsmechanismen für autonome Maschinensteuerung sind bisher nur rudimentär beschrieben. Für sicherheitskritische Umgebungen — etwa in der Medizintechnik oder Chemieindustrie — bleibt ein „Human in the Loop" Pflicht. Ein KI-Agent, der eigenständig einen Laser neu ausrichtet, ist im Testlabor überzeugend; auf einer Produktionslinie mit laufenden Schichten braucht es weitere Absicherungen, die MHS derzeit noch nicht spezifiziert.
| Anwendungsfeld | Heute (ohne MHS) | Mit MHS (Ziel) |
|---|
| Laborgerät anbinden | 2–6 Wochen Entwicklung | Stunden bis 1 Tag |
| Roboterarm integrieren | Spezialist erforderlich | Natürlichsprachige Konfiguration |
| Neue Maschine einlernen | Individuelle API-Implementierung | Standardisierter Treiber |
| Mehrere Geräte koordinieren | Eigene Middleware | Gemeinsames Zustandswörterbuch |
Fazit
Der Model Hardware Standard ist kein fertiges Produkt, sondern eine Einladung an die Industrie, einen gemeinsamen Standard aufzubauen. Ob MHS zum de facto Standard wird, hängt davon ab, ob genug Gerätehersteller die Spezifikation implementieren — und hier ist die Liste der Erstpartner (Tecan, QIAGEN, Doosan, Universal Robots, AWS) tatsächlich überzeugend.
Für mittelständische Unternehmen gilt: jetzt beobachten, in sechs bis zwölf Monaten evaluieren. Die eigentliche Frage ist nicht, ob Maschinen-KI-Integration günstiger wird, sondern wann. Der erste produktive Proof-of-Concept lohnt sich dann, wenn die Open-Source-Version verfügbar ist und mindestens ein eigener Gerätehersteller MHS-Treiber anbietet. ATLAS Consulting begleitet derzeit mehrere mittelständische Fertigungsbetriebe bei der Evaluation von KI-gestützter Prozesssteuerung und freut sich über erste Gespräche.
A
ATLAS Consulting Redaktion
Wir kuratieren jede Woche die wichtigsten KI-News für Entscheider im deutschen Mittelstand — ohne Hype, immer auf Deutsch.
Diese Technologie in Ihrem Unternehmen nutzen?
ATLAS Consulting begleitet Sie vom ersten Use-Case bis zur produktiven Integration — ohne Hype, ohne Blackbox, mit klaren Zahlen.
AI agents can now do more than write text and code — they are increasingly controlling physical machines. On August 28, 2026, Anthropic published the Model Hardware Standard (MHS) as a research preview: a specification enabling AI agents to integrate lab equipment, robotic arms, and manufacturing systems through natural language descriptions. Setup time drops from weeks to hours — a development that extends well beyond research laboratories.
What the Model Hardware Standard Actually Is
Anthropic developed MHS as an open specification that mediates between operating systems and physical devices — similar to how the Model Context Protocol (MCP) works for software integrations. The core principle: instead of engineers manually programming each interface, operators describe a device's capabilities in natural language. Standardized drivers then translate these descriptions into machine-readable reference files that AI agents can access directly.
The system uses three control channels simultaneously: the Model Context Protocol, command-line interfaces, and code APIs. This covers virtually any type of programmable hardware — from simple measuring instruments to complex robotic arms. A shared state dictionary allows multiple processes to simultaneously access the same device data and coordinate workflow execution.
Early tests demonstrate the approach in practice: in one experiment, Claude independently learned to align a laser through trial and error, without manual guidance. The agent then simplified the discovered routine into a reusable script that automates future alignments.
Who Is Already on Board
Research preview partners include Tecan and QIAGEN (laboratory automation and diagnostics), Doosan Robotics and Universal Robots (industrial robotic arms), and AWS (cloud infrastructure). Hugging Face and Raspberry Pi have also announced support for MHS in their product lines.
On the research side, participants include Genentech (biotechnology), Carnegie Mellon University (robotics), HHMI Janelia (microscopy), and Tetsuwan Scientific (environmental science). This mix of industry and research is deliberate: MHS is designed to become a broadly implemented standard — not a proprietary Anthropic protocol.
Why This Matters for SMEs
The barrier was clear: connecting a lab device or CNC machine to an AI system previously required specialized software engineers and often several weeks of development time. These costs made AI-driven control impractical for many mid-market companies.
MHS directly addresses this bottleneck. When a machine can describe its capabilities in natural language, the laborious programming of individual interfaces becomes unnecessary. Anthropic targets a reduction in setup time from weeks to hours or a single day. Who benefits most?
- Manufacturing companies operating CNC machines, quality inspection equipment, or assembly robots
- Lab facilities in medical technology and chemicals using pipetting robots, spectrometers, or cooling systems
- Logistics companies with automated warehouse and sorting systems
- R&D departments that regularly integrate new devices into existing workflows
"When a machine can describe its capabilities in natural language, laborious programming of individual interfaces becomes unnecessary — and that changes who can afford AI-driven automation."
lightbulbPractical Tip: Watch Early, Evaluate Deliberately Companies already using Make.com, Zapier, or n8n for process automation know the low-code integration principle: standardized adapters instead of custom programming. MHS is the physical-world equivalent. If your organization regularly integrates new devices into existing workflows, tracking this specification is worthwhile. An open-source release is planned — once available, an early evaluation pilot with one device whose integration is currently too costly makes sense.
What Remains Open
MHS is still a research preview — there is no production-ready implementation for arbitrary companies yet. An open-source release is planned but no date is confirmed. Access is currently limited to research partners and selected industrial companies.
There is also an important limitation: safety mechanisms for autonomous machine control are only rudimentarily described. For safety-critical environments — such as medical devices or chemical production — a "human in the loop" remains mandatory. An AI agent independently realigning a laser is impressive in a research lab; on a production line with running shifts, further safeguards are needed that MHS does not yet specify.
| Use Case | Today (Without MHS) | With MHS (Target) |
|---|
| Connecting a lab device | 2–6 weeks development | Hours to 1 day |
| Integrating a robotic arm | Specialist required | Natural-language configuration |
| Teaching a new machine | Individual API implementation | Standardized driver |
| Coordinating multiple devices | Custom middleware | Shared state dictionary |
Conclusion
The Model Hardware Standard is not a finished product but an invitation to industry to build a shared standard. Whether MHS becomes the de facto standard depends on whether enough device manufacturers implement the specification — and here the list of founding partners (Tecan, QIAGEN, Doosan, Universal Robots, AWS) is genuinely convincing.
For mid-market companies, the recommendation is: observe now, evaluate in six to twelve months. The real question is not whether machine-AI integration will get cheaper, but when. The first productive proof of concept makes sense once the open-source version is available and at least one of your device manufacturers offers MHS drivers. ATLAS Consulting currently accompanies several mid-market manufacturing companies in evaluating AI-driven process control and welcomes initial conversations.
A
ATLAS Consulting Editorial
We curate the most important AI news for decision-makers in the German Mittelstand every week — no hype, always in German.
Use this technology in your company?
ATLAS Consulting guides you from the first use case to productive integration — no hype, no black box, with clear numbers.