De Model Hardware Standard (MHS) is een gedeelde specificatie van Anthropic waarmee AI-agents fysieke apparaten kunnen vinden, uitlezen en veilig bedienen via één gestandaardiseerde driver, van microscopen en pipetteerrobots tot robotarmen en lasers. Anthropic stelde MHS op 27 augustus 2026 open als research preview, voor een eerste groep onderzoekslabs en geavanceerde maakbedrijven. MHS werkt met elk apparaat dat een programmeerbare interface heeft en met elk AI-model, via standaardprotocollen zoals het Model Context Protocol (MCP).
Lab- en fabrieksapparatuur koppelen kost specialisten nu meestal weken of maanden maatwerk. Volgens Anthropic brengt MHS dat terug naar uren of minuten. Dit artikel legt uit hoe MHS werkt, hoe het zich verhoudt tot MCP en bestaande standaarden, wat de pilots lieten zien en wat nog gepland staat: de specificatie is nog niet openbaar en voor de open-source release is geen datum bekend.
Wat is de Model Hardware Standard (MHS)?
MHS is een specificatie plus een gestandaardiseerde driver die tussen een AI-agent en een fysiek apparaat zit. Het is geen model en geen robot, maar de gemeenschappelijke laag waarmee elke agent een apparaat kan vinden, begrijpen wat het kan en het bedienen binnen de grenzen die de eigenaar instelt (Anthropic, 27 augustus 2026).
Drie eigenschappen maken MHS anders: het is modelonafhankelijk, het werkt met elk apparaat met een programmeerbare interface, en elk apparaat beschrijft zichzelf, inclusief de veiligheidsgrenzen. Zo kan een agent ook hardware gebruiken die hij nog nooit heeft gezien.
MHS begon bij HHMI Janelia Research Campus in de Verenigde Staten. Postdoc Arco Bast bouwde een gedeeld geheugen waarmee de lasers, focusmotoren en camera’s van zijn microscoop met elkaar konden communiceren. Alek Kemeny van het Beneficial Deployments-team van Anthropic koppelde daar samen met hem AI-modellen aan.
Leveranciers die MHS-ondersteuning bouwen of testen zijn onder meer Amazon Web Services (Strands Robots), Automata, Danaher, Doosan Robotics, Hugging Face (LeRobot), MBF Bioscience, QIAGEN, Raspberry Pi, Tecan en Universal Robots.
Waarom is de Model Hardware Standard ontwikkeld?
Lab- en fabrieksapparatuur koppelen is traag, duur en maatwerk, en het wordt nog lastiger zodra een AI-agent de apparatuur moet bedienen. Elk apparaat heeft eigen software, een eigen dataformaat en een eigen driver. Er is geen gemeenschappelijke manier om data met een agent te delen, en ook geen gemeenschappelijke manier om een agent apparaten veilig te laten bedienen.
De partnerverslagen laten zien hoe diep dat probleem zit. Eén microscoopopstelling bij Janelia had zeven leveranciersprogramma’s in drie programmeertalen nodig, die in een vaste volgorde moesten opstarten. Bij Carnegie Mellon stonden drie instrumenten op drie computers: één las opdrachtbestanden uit een map, één had alleen een oude COM-scriptinterface en één had niets anders dan een grafische interface. Kennis over veilig gebruik, zoals het gewicht van een robotarm, staat meestal in een papieren handleiding of in het hoofd van één engineer.
Zonder standaard heeft elke combinatie van agent en apparaat een eigen koppeling nodig. Het integratiewerk groeit dan met het aantal agents keer het aantal apparaten. Een gedeelde standaard maakt daar agents plus apparaten van: één driver per apparaat, één protocol per agent. MCP deed dat in 2024 voor softwaretools; MHS past hetzelfde idee toe op fysieke apparatuur.
Hoe werkt de Model Hardware Standard?
MHS verpakt elk apparaat in een gestandaardiseerde driver die een kleine set commando’s begrijpt, het apparaat in een standaardformaat beschrijft en de veiligheidsgrenzen afdwingt. De agent praat nooit rechtstreeks met de software van de leverancier: hij praat met MHS, en MHS praat met de hardware.
De agent werkt via MCP, de command line of codebestanden. Elk commando gaat door de MHS-driver van het apparaat, die de veiligheidsgrenzen bewaakt, en de status van het apparaat stroomt terug naar de agent.
1. Lezen en schrijven
De MHS-driver geeft elk apparaat dezelfde kleine set commando’s, vooral read (lees de temperatuur) en write (stel de temperatuur in). De agent hoeft dus niet per instrument een nieuwe API te leren.
2. Vindbaarheid op het netwerk
Elk apparaat meldt zich in een standaardformaat, zodat agents en apparaten elkaar via een netwerk vinden zonder vertaalprogramma ertussen.
3. Fysieke context en veiligheidsgrenzen
Gebruikers beschrijven een apparaat in gewone taal in de tags van de driver, zoals het gewicht van een robotarm of het veilige vermogensbereik van een laser. Ze kunnen zich ook door een agent laten interviewen. De driver maakt daar een referentiebestand van: wat het apparaat kan meten, wat je kunt instellen en welke grenzen gelden.
De driver bewaakt die grenzen, niet het model. Een commando buiten de grenzen wordt geblokkeerd, wat de agent ook vraagt. Carnegie Mellon testte dit met zes bewust veroorzaakte storingen, waaronder een ontbrekende plaat en een ingedrukte noodstop. Het systeem blokkeerde alle zes voordat er iets bewoog.
4. Drie besturingsroutes
| Route | Typisch gebruik |
|---|---|
| MCP | Agents en chatclients die al met MCP werken |
| Command line | Coding agents en engineers die een apparaat stap voor stap testen |
| Codebestanden (API’s) | Langlopende, herhaalbare of tijdkritische reeksen |
5. Eerst live redeneren, dan vaste code
De agent kan live meekijken: stappen over instrumenten heen plannen, resultaten volgen en parameters bijstellen. Duurt een taak te lang of moet hij sneller gaan dan het model kan redeneren, dan schrijft de agent een codebestand dat zelfstandig draait. In de tests van Anthropic stelde Claude een laser bij en controleerde het resultaat via een camera tot het patroon duidelijk was. Daarna schreef Claude een script dat de laser met één commando uitlijnt.
Model Hardware Standard vs. Model Context Protocol (MCP)
MHS en MCP vullen elkaar aan. MCP verbindt AI-agents met software en data; MHS verbindt ze met fysieke apparaten. MCP is een van de drie routes om een MHS-apparaat te bereiken.
| MCP | MHS | |
|---|---|---|
| Verbindt agents met | Softwaretools en databronnen | Fysieke apparaten met een programmeerbare interface |
| Geïntroduceerd | November 2024 | Augustus 2026 (research preview) |
| Status | Open standaard, breed gebruikt | Afgeschermde preview, open source gepland |
| Context voor het model | Namen en beschrijvingen van tools | Fysieke kenmerken en veilige bereiken in gewone taal |
| Veiligheid bewaakt in | Rechten van client en server | De driver van het apparaat |
| Snelheid van besturing | Elke aanroep loopt via het model | Live aanroepen, plus codebestanden die zonder model draaien |
Werkt je organisatie al met agents op basis van MCP, dan vervangt MHS niets. Het voegt de laag onder MCP toe: de agent die nu je voorraadsysteem uitleest, kan dan ook de sensor op de productielijn uitlezen die dat systeem voedt.
Praktijkvoorbeelden en toepassingen van MHS
Zes partners publiceerden bij de lancering hun eerste resultaten, vooral in life sciences-labs. De sterkste cijfers gaan over integratietijd en betrouwbaarheid.
| Partner | Wat ze met MHS deden | Gerapporteerd resultaat |
|---|---|---|
| Carnegie Mellon University | Dosis-responsexperimenten met een pipetteerrobot, plaatlezer, robotarm en camera’s | Ongeveer 3 keer sneller; gekoppeld in circa 8 uur in plaats van weken; de agent keurde een slechte curvefit af en voerde de meting zelf opnieuw uit |
| Genentech | Eiwitassay over drie instrumenten; Claude optimaliseerde de pipetteersnelheid | Vond snelheden die automatiseringsexperts bevestigden; herstelde zelf van gangbare pipetteerfouten |
| HHMI Janelia | Eén microscoopopstelling die zeven leveranciersprogramma’s nodig had, samengebracht | Een camera toevoegen kostte minuten in plaats van dagen; een experiment start met één klik in plaats van zeven stappen |
| QuEra Computing | Automatisch laserherstel in een quantumcomputer | Succespercentage van 58% naar 99,3% in 700 blinde tests; herstel in seconden in plaats van 5 tot 10 minuten |
| Tetsuwan Scientific | qPCR-workflow met luchtbeldetectie via een camera | Precisiemodel voor pipetteren ongeveer 12% nauwkeuriger dan de specificatie van de fabrikant |
| University of Washington | Monitoring op afstand, qPCR onder toezicht van een agent, plaatwissels met een robotarm | Zes instrumenten in minder dan een week gekoppeld, drivers inbegrepen |
Bron: partnerverslagen in de aankondiging van Anthropic.
De case van QuEra laat de werkwijze het best zien. Een herstelscript waar een team maanden aan had gewerkt, slaagde in 58% van de gevallen. Vier Claude-instanties verbeterden het in één nacht, in honderden rondes. Het resultaat is een gewoon script dat in productie draait zonder agent.
Het gaat om pilots die de partners zelf rapporteren, met kleine aantallen en steeds de eigen eerdere opzet als vergelijking. Voor de maakindustrie zijn nog geen resultaten gepubliceerd: Doosan Robotics test kwaliteitscontrole met meerdere robots en QIAGEN test het oplossen van storingen aan instrumenten.
Voordelen van de Model Hardware Standard
Het belangrijkste voordeel: de kosten van het koppelen van hardware groeien niet meer mee met elk nieuw apparaat.
- Snellere integratie: uren of dagen in plaats van weken of maanden in de pilots.
- Eén interface over leveranciers en programmeertalen heen. Analysecode schrijf je één keer per datatype in plaats van per apparaat.
- Herbruikbare drivers die je kunt delen. Carnegie Mellon is van plan zijn drivers te publiceren.
- Dag en nacht inzetbaar, binnen grenzen: agents bewaken runs en herstellen gangbare fouten, terwijl de driver de veiligheidsgrenzen bewaakt.
- Expertise vastgelegd in code die een team kan lezen, testen en zonder agent kan draaien.
Nog niet bewezen: of snellere opzet ook leidt tot sneller onderzoek op grote schaal.
Beperkingen, beveiliging en veiligheid
MHS is een vroege preview. De grootste beperking zit in het model erachter: taalmodellen redeneren nog slecht over de fysieke werkelijkheid.
- Zwak fysiek redeneren. Bij Genentech bleef Claude een pipetteerstap herhalen die mislukte door luchtbellen. Dat leverde alleen meer luchtbellen op, tot onderzoekers de fysieke oorzaak uitlegden. Bij QuEra kon Claude hardwarestoringen niet zelf oplossen.
- Een programmeerbare interface is nodig. Apparaten zonder zo’n interface worden nog niet ondersteund. Anthropic werkt met fabrikanten aan ingebouwde drivers.
- Toezicht en context. De agent van QuEra wachtte vaak op goedkeuring van een mens, soms een hele nacht, en had veel context nodig om goed te presteren.
- Kosten en volwassenheid. Een agent die continu meedraait kost rekenkracht, en complexe protocollen vragen nog veel optimalisatie.
Beveiliging
Apparaten die een agent kan vinden en besturen, zijn ook een doelwit. Anthropic werkt aan een roadmap voor fysieke veiligheid en publiceert de bevindingen bij de open-source release. Behandel MHS-apparaten tot die tijd als operationele technologie: aparte netwerksegmenten, minimale rechten en een log van elk commando.
Regelgeving in Europa
De EU-Machineverordening (EU) 2023/1230 geldt vanaf 20 januari 2027 en vervangt dan de Machinerichtlijn. Voor het eerst vallen ook veiligheidsfuncties op basis van AI eronder. Zoals The Next Web opmerkt, vervult een MHS-bestand dat de snelheid en hoeken van een robotarm begrenst al snel een veiligheidsfunctie. Voor hoog-risicocategorieën is een eigen conformiteitsverklaring dan niet langer voldoende. Wil je MHS inzetten op productiemachines in de EU, betrek dan vroeg je compliance- en machineveiligheidsexperts.
Aan de slag met de Model Hardware Standard
Toegang loopt alleen via een aanvraag: je meldt je aan voor de research preview op modelhardwarestandard.com. De eerste groep bestaat uit onderzoekslabs en geavanceerde maakbedrijven. Toelatingscriteria, prijzen en een datum voor algemene beschikbaarheid zijn nog niet gepubliceerd.
Is MHS nu al interessant voor je?
| Jouw situatie | Advies |
|---|---|
| Meerdere machines van verschillende leveranciers, met veel handmatige afstemming ertussen | Sterke kandidaat: vraag toegang aan en kies één afgebakende workflow |
| Je werkt al met agents op basis van MCP | Lage drempel: begin met een pilot die alleen uitleest en monitort |
| Een volwassen, gevalideerde automatiseringsomgeving | Weinig te winnen op dit moment: volg de open-source release |
| Apparatuur zonder programmeerbare interface | Nog niet: vraag je leverancier naar de plannen voor MHS |
| Gereguleerde productie, zoals GMP of veiligheidskritische machines in de EU | Houd het bij R&D tot veiligheidsrichtlijnen en regelgeving duidelijk zijn |
Een praktische eerste pilot
Gebaseerd op de partnerverslagen; de documentatie van de preview kan afwijken.
- Breng je apparaten in kaart en de interface die elk apparaat heeft.
- Kies één kleine workflow met een duidelijke nulmeting, zoals het bewaken van een lange run.
- Installeer of schrijf per apparaat een driver en beschrijf de kenmerken en veiligheidsgrenzen. Controleer het referentiebestand voordat er iets beweegt.
- Koppel de agent eerst alleen-lezen. Geef daarna schrijfrechten, met menselijke goedkeuring voor acties met een hoog risico.
- Zet bewezen reeksen om in codebestanden en vergelijk ze met je oude nulmeting.
Model Hardware Standard vs. bestaande hardwarestandaarden
MHS vervangt bestaande standaarden niet. SiLA 2, OPC UA/LADS en ROS 2 gaan uit van een programmeur of planningssoftware aan de andere kant; MHS gaat uit van een AI-agent die zelf moet uitzoeken hoe een apparaat werkt.
| Standaard | Herkomst | Gebaseerd op | Belangrijkste gebruiker | Status |
|---|---|---|---|---|
| SiLA 2 | SiLA-consortium, aangekondigd in 2016 | gRPC, vindbaarheid via mDNS | Software voor labautomatisering | Open standaard, in gebruik |
| OPC UA met LADS | OPC Foundation, SPECTARIS en VDMA; LADS sinds december 2023 | OPC UA-informatiemodellen | Lab-, MES- en industriële systemen | Open standaard, in gebruik |
| ROS 2 | Open robotica-community | DDS-middleware | Robotica-ontwikkelaars | Open source, breed gebruikt |
| MHS | Anthropic en HHMI Janelia, augustus 2026 | Gestandaardiseerde driver voor lezen en schrijven | AI-agents via MCP, CLI of code | Afgeschermde research preview |
Wat MHS toevoegt: fysieke context die voor een agent is geschreven, veiligheidsgrenzen die bij het apparaat horen en een ingebouwde route van live redeneren naar vaste code. Wat ontbreekt: de volwassenheid en openheid van de andere standaarden.
Kiezen is waarschijnlijk niet nodig. Carnegie Mellon verpakte een oude COM-interface, een map met opdrachtbestanden en zelfs een grafische interface in MHS-drivers. Een SiLA 2-server of OPC UA-endpoint is dus waarschijnlijk gewoon een extra interface waar een MHS-driver bovenop kan. Investeringen in die standaarden maken een MHS-driver juist makkelijker om te bouwen.
De toekomst van MHS en AI-gestuurde hardware
Anthropic heeft na de preview een open-source release aangekondigd, met bevindingen over veiligheid en richtlijnen voor gebruik. Daarnaast wil Anthropic meer soorten apparaten ondersteunen, zoals boards en camera’s, en samen met fabrikanten drivers in apparaten inbouwen. Ook de partners hebben vervolgplannen: Genentech wil volledig autonome workflows en QuEra wil zijn laserherstel op draaiende quantumprocessors inzetten.
Of MHS een echte industriestandaard wordt, hangt af van wat er nu gebeurt. Let op:
- De datum en licentie van de open-source release.
- Ondersteuning door agentframeworks van andere AI-leveranciers. Dat is de echte test of dit een standaard is of een ecosysteem van Anthropic.
- MHS-drivers in producten van Tecan, Universal Robots en andere leveranciers.
- Hoe MHS-bestanden worden beoordeeld onder de EU-Machineverordening vanaf 2027.
Veelgestelde vragen over MHS
Wat is de Model Hardware Standard (MHS)?
Een specificatie van Anthropic die AI-agents één consistente manier geeft om met fysieke apparatuur te werken. Elk apparaat krijgt een gestandaardiseerde driver met lees- en schrijfcommando’s, een beschrijving inclusief veiligheidsgrenzen en vindbaarheid op het netwerk. Agents bedienen het apparaat via MCP, een command line of code.
Wat is het verschil tussen MHS en MCP?
MCP verbindt AI-agents met software en data. MHS verbindt ze met fysieke apparaten en voegt daar fysieke context, veiligheidsgrenzen per apparaat en codebestanden voor snelle, herhaalbare besturing aan toe. MCP is een van de routes om een MHS-apparaat te bereiken.
Is de Model Hardware Standard open source?
Nog niet. De specificatie is alleen beschikbaar voor deelnemers die tot de preview zijn toegelaten. Anthropic wil MHS na de preview open source maken, maar heeft nog geen datum genoemd.
Werkt MHS ook met andere AI-modellen dan Claude?
Ja, zo is het ontworpen: elke agentomgeving kan aansluiten via standaardprotocollen zoals MCP. Alle gepubliceerde pilots gebruikten Claude, dus er is nog geen openbaar bewijs voor andere modellen.
Hoe krijgen ontwikkelaars toegang tot MHS?
Via het aanmeldformulier op modelhardwarestandard.com. Toegelaten deelnemers krijgen ook een vroege, besloten versie van de Strands Robots-bibliotheek van AWS, die MHS ondersteunt.
Is de Model Hardware Standard veilig voor fysieke apparaten?
De driver bewaakt de veiligheidsgrenzen die de eigenaar instelt, wat de agent ook vraagt. Maar agents redeneren nog slecht over fysieke problemen. Toezicht door experts en menselijke goedkeuring voor risicovolle acties blijven dus nodig.
Conclusie
MHS geeft AI-agents een standaardmanier om fysieke apparatuur te vinden, te begrijpen en te bedienen. De eerste partners koppelden apparaten in uren of dagen in plaats van weken. Wat nog ontbreekt: een openbare specificatie, de open-source release, ondersteuning door andere AI-leveranciers, resultaten buiten het lab en agents die fysieke storingen zonder hulp begrijpen. Is losstaande apparatuur van verschillende leveranciers voor jou een echt knelpunt, vraag dan toegang aan en draai één kleine, meetbare pilot. Zo niet, volg dan de open-source release.
