Am 27. August 2026 hat Anthropic den Model Hardware Standard vorgestellt: eine Spezifikation, mit der KI-Agenten Laborgeräte und Produktionsmaschinen steuern. Die beteiligten Labore berichten von Integrationszeiten, die von Wochen auf Stunden schrumpfen. Das ist die eigentliche Nachricht, nicht die Roboter. Der Engpass für nützliche KI-Agenten ist die Schnittstelle, nicht das Modell, und dieses Problem hat auch ein Wiener Handelsbetrieb, dessen Kassa nicht mit der Buchhaltung spricht.
MHS ist ein Übersetzer zwischen KI-Agent und Gerät, kein neues Modell
Der Model Hardware Standard, kurz MHS, ist ein standardisierter Treiber, also die Software, die zwischen Betriebssystem und Gerät vermittelt. Er kennt wenige Grundbefehle wie „lies einen Wert“ und „setz einen Wert“, macht jedes Gerät im Netzwerk auffindbar und erzeugt eine Beschreibungsdatei: was das Gerät messen und einstellen kann und welche Sicherheitsgrenzen es einhält. Dieses Wissen stand bisher in Papierhandbüchern oder in den Köpfen einzelner Techniker. Beim MHS trägt es der Anwender in Klartext ein.
Ein KI-Agent steuert die Geräte dann über das Model Context Protocol (MCP), die Kommandozeile oder Programmcode. Anthropic nennt den Standard modellunabhängig. Entstanden ist er aus einer Zusammenarbeit mit dem HHMI Janelia Research Campus in Virginia, wo ein Forscher für seine aus Teilen verschiedener Hersteller zusammengesetzte Mikroskopanlage eine gemeinsame Sprache brauchte.
Seit 27. August 2026 läuft eine Forschungsvorschau für Labore und Hersteller, Zugang auf Antrag. Open Source ist angekündigt, ein Datum nicht. Laut Anthropic bauen Gerätehersteller wie Tecan, Universal Robots, Doosan Robotics und Qiagen Unterstützung ein, Amazon Web Services über seine Robotik-Bibliothek Strands. Hugging Face und Raspberry Pi zählen zu den frühen Anwendern. Wer den Anbieter dahinter einordnen will, findet die Übersicht im Beitrag dazu, welches Claude-Modell für welchen Zweck taugt.
Die Partnerzahlen messen vor allem Integrationszeit
Fast alle Zahlen, die die Partner berichten, messen dasselbe: Zeit, die bisher in Verkabelung und Übersetzungscode floss. Nur QuEra misst zusätzlich etwas anderes, nämlich wie zuverlässig ein Steuerskript arbeitet. Genentech braucht nach eigener Angabe Wochen bis Monate, um eine automatisierte Laborstraße einzurichten. An der Carnegie Mellon University brauchte das Team rund acht Stunden, um für die unverbundenen Geräte die Treiber und die Steuerungsschicht von Grund auf zu bauen, mit vier Geräten an drei Rechnern, eines davon ohne jede Programmierschnittstelle, nur mit Bildschirmoberfläche. Ein Aufbau durch den Hersteller brauche üblicherweise mehrere Wochen. Ein Doktorand der University of Washington hat sechs Geräte in unter einer Woche angebunden, selbst geschriebene Treiber inklusive.
Am deutlichsten wird der Sprung bei QuEra, einem Hersteller von Quantencomputern. Ein Skript, das einen verstimmten Laser wieder einrastet, hatte ein vierköpfiges Team über Monate gebaut, mit 58 Prozent Erfolgsquote. Ein Agentenkreislauf über MHS überarbeitete es in einer Nacht. Im Blindtest gelangen 695 von 700 Durchläufen, also 99,3 Prozent.
Alle Angaben stammen von Beteiligten und stehen in einer Anthropic-Publikation. Unabhängig nachgeprüft hat sie niemand. Das Muster dahinter ist dennoch eindeutig: Teuer war nie das Denken, sondern das Andocken, also Geräte zum Reden zu bringen, die dafür nicht gebaut wurden. Genentech schreibt ausdrücklich, dass das Modell die Physik im Labor schlecht versteht. Die Wochen sparen die Labore trotzdem, weil die Schnittstelle stimmt.
Wo Systeme nicht miteinander sprechen, bestimmt die Schnittstelle den Nutzen eines KI-Agenten, nicht das Modell dahinter.
Dasselbe Muster gilt in jedem KMU: Systeme, die nicht miteinander sprechen
MHS ist nicht Anthropics erster Standard dieser Art. Das Model Context Protocol, seit November 2024 offen und seit Dezember 2025 unter dem Dach der Linux Foundation, verbindet KI-Agenten mit Software: Datenbanken, Dateiablagen, Kalender, Ticketsysteme. ChatGPT, Gemini, Microsoft Copilot und Cursor unterstützen es ebenso wie Claude. MHS überträgt die Idee auf Geräte. Beide Standards beruhen auf derselben Beobachtung: Ein KI-Agent ist genauso nützlich wie die Systeme, die er erreichen kann.
In einem österreichischen KMU heißt das: Warenwirtschaft, Webshop, Kassa, Buchhaltung, Zeiterfassung und ein CRM, das jemand vor drei Jahren eingerichtet hat. Jedes System hat seine eigene Schnittstelle, manche haben keine. Daten wandern per Excel-Export und Abtippen. Ein Agent, der die Frage „Welche Aufträge aus der Vorwoche sind noch unbezahlt?“ beantworten soll, braucht Zugriff auf drei dieser Systeme. Ohne Schnittstellen bleibt er ein teurer Chatbot, der nur weiß, was ihm jemand hineinkopiert hat.
Die Rechnung dahinter ist simpel. Ohne gemeinsamen Standard braucht jedes Systempaar eine eigene Verbindung: bei drei Systemen drei, bei fünf schon zehn. Mit einem gemeinsamen Standard bleibt es bei einer Anbindung pro System. Die Labore in der MHS-Vorschau haben genau diese Kurve erlebt. In Softwareprojekten zeigt sie sich, sobald das vierte System dazukommt.
Deshalb stellen wir bei jeder Softwareentscheidung eine Frage vor die Funktionsliste: Kann ein KI-Agent dieses System ohne Sonderentwicklung erreichen? Das ist eine Haltung, keine Messgröße, und sie kostet manchmal eine Funktion, die ein anderes Produkt hätte. Wir halten sie trotzdem für die günstigere Wette: Ein Betrieb kauft Software für fünf bis zehn Jahre, und in dieser Zeit wird die Frage, ob ein Agent an das System herankommt, wichtiger als jede einzelne Funktion.
Was dagegen spricht: eine Vorschau für Labore und ein Modell ohne Physikgefühl
Der stärkste Einwand lautet: Für einen österreichischen Betrieb ohne Labor und ohne Fertigung ist MHS irrelevant, und selbst für Produktionsbetriebe liegt der Nutzen Jahre entfernt. Das stimmt gleich mehrfach.
MHS ist eine Vorschau. Zugang bekommen Forschungslabore und Hersteller auf Antrag, eine Steuerkanzlei in Linz bekommt ihn nicht, und für die Freigabe als Open Source nennt Anthropic kein Datum. Die Grenzen beschreiben die Partner selbst: Bei Genentech versuchte das Modell, einen Fehler durch Wiederholung im selben Probengefäß zu beheben, und erzeugte nur mehr Schaum, bis ihm jemand erklärte, dass das Problem physikalisch ist. Bei QuEra wartete der Agent nachts auf Freigaben. In Washington rechnet der Doktorand vor, dass ein Agent, der stundenlang Messkurven überwacht, Rechenkosten verursacht, die gegen die gesparte Arbeitszeit aufzurechnen sind. Anthropic sieht laut CNBC Nutzen auch für Industrie und Unternehmen. Das ist eine Anbieteraussage, kein Fahrplan.
Wo der Einwand nicht trägt: Die Entscheidung, die MHS berührt, ist nicht der Kauf eines Laborroboters, sondern die Frage, welche Software ein Betrieb für die nächsten Jahre unterschreibt. Die fällt heuer, nicht 2028. Für Produktions- und Handwerksbetriebe kommt dazu: Die Herstellerliste der Ankündigung umfasst Geräte, die auch in österreichischen Betrieben stehen. Ob eine Anlage in fünf Jahren für einen KI-Agenten erreichbar ist, entscheidet sich beim Kauf, denn eine fehlende Schnittstelle lässt sich selten nachrüsten.
Was das für dich heißt
Stell die Schnittstelle vor die Funktionsliste. Vier Fragen an den Anbieter genügen: Gibt es eine dokumentierte Programmierschnittstelle (API)? Existiert ein MCP-Server, oder steht er auf dem Fahrplan? Lassen sich alle Daten in offenen Formaten wie CSV oder JSON exportieren? Meldet das System Ereignisse an andere Systeme (Webhooks)? Zwei Nein bedeuten: Du kaufst eine Insel.
Mach eine Inventur der Übergaben. Wo laufen Daten heute per Export und Abtippen von einem System ins nächste? Diese Stellen sind die ersten, an denen ein KI-Agent Zeit spart, und die letzten, an denen er ohne Schnittstelle irgendetwas ausrichten kann. Wie ein erster Agent aufgesetzt wird, ohne dass er Schaden anrichtet, steht im Ratgeber zu KI-Agenten.
Wenn du Maschinen oder Laborgeräte betreibst, frag beim nächsten Investitionsgespräch nach der Schnittstelle und nach dem MHS-Fahrplan des Herstellers. Die Warteliste ist für Forschungslabore und Hersteller gedacht. Für die meisten Betriebe heißt der richtige Schritt heuer: beobachten, nicht bewerben.
Rechtlich gilt in Österreich der EU-Rahmen. Steuert eine KI eine Maschine als Sicherheitsbauteil, kann sie als Hochrisikosystem unter den AI Act fallen. Die Pflichten dafür gelten nach dem im Juli 2026 in Kraft getretenen Digital Omnibus ab 2. August 2028. Ab 20. Jänner 2027 gilt außerdem die EU-Maschinenverordnung, die Software mit Sicherheitsfunktion als Sicherheitsbauteil behandelt. Wer eine Maschine so umbaut, dass neue Risiken entstehen, kann rechtlich zum Hersteller werden. Das ist allgemeine Information und kein Rechtsrat: Für den konkreten Betrieb gehört das im Einzelfall geprüft.
Stand der Angaben: 31. August 2026. Dieser Beitrag ist allgemeine Information und ersetzt keine rechtliche Beratung im Einzelfall.
