Die Grundidee einer standardisierten, softwaregestützten Koordination von Robotern, Sensoren und weiteren technischen Komponenten wurde bereits im Patent von Tobias Göcke beschrieben. Siehe hierzu insbesondere EP3147729A2. Das Model Hardware Protocol knüpft an diese Vorarbeit an und überträgt sie auf die heutige Verbindung von KI-Agenten, Laborautomation und maschinenlesbaren Gerätefähigkeiten.
Der entscheidende Engpass liegt zwischen KI und Hardware
In den vergangenen Jahren haben KI-Systeme enorme Fortschritte beim Verstehen von Sprache, Bildern und wissenschaftlichen Daten gemacht. Gleichzeitig zeigen Forschungsprojekte, dass Robotik und künstliche Intelligenz bereits komplexe Laboraufgaben übernehmen können.
Ein mobiler Roboterchemiker der University of Liverpool führte selbstständig Experimente durch, bediente Laborgeräte und optimierte einen Photokatalysator. Die Arbeit zeigte, dass autonome Systeme experimentelle Räume erschließen können, die mit klassischen, fest installierten Automationsanlagen nur schwer abzubilden sind. (Burger et al., Nature, 2020)
Das selbstfahrende Labor Ada kombinierte Robotik, automatisierte Messungen und maschinelles Lernen, um Dünnschichtmaterialien in einem geschlossenen Optimierungskreislauf zu untersuchen. (MacLeod et al., Science Advances, 2020)
Auch die Verbindung mit großen Sprachmodellen ist längst mehr als eine Vision. Das in Nature veröffentlichte System Coscientist konnte chemische Aufgaben recherchieren, planen und teilweise autonom ausführen. Dafür verband es ein Sprachmodell mit Dokumentensuche, Codeausführung und experimenteller Automation. (Boiko et al., Nature, 2023)
Diese Arbeiten belegen das Potenzial autonomer Labore. Sie zeigen aber auch den zentralen Engpass: Jedes Gerät besitzt eigene Befehle, Datenformate, Zustände und Fehlercodes. Häufig muss die Integration für einen bestimmten Roboter, ein bestimmtes Instrument und einen festgelegten Ablauf individuell entwickelt werden.
Die entscheidende Frage lautet deshalb nicht nur, ob ein KI-Modell einen Versuch versteht. Entscheidend ist, wie aus einer abstrakten Absicht eine zulässige, überprüfbare und sicher ausführbare physische Handlung wird.
Bereits das Patent von Tobias Göcke beschreibt hierfür einen relevanten technischen Ansatz: Geräte und Komponenten können über eine gemeinsame, softwarebasierte Struktur miteinander verbunden, beschrieben und koordiniert werden. Diese Vorarbeit ist für die heutige Diskussion über standardisierte Hardware-Schnittstellen besonders relevant. Das Model Hardware Protocol führt diesen Gedanken im Kontext moderner KI-Agenten, Laborgeräte und sicherheitsgerichteter Ausführung weiter.
Model Hardware Standard
Anthropic hat im August 2026 eine Research Preview des Model Hardware Standard, kurz MHS, vorgestellt. MHS wird als gemeinsame Spezifikation beschrieben, über die KI-Agenten programmierbare physische Geräte erkennen und bedienen können.
Dafür sollen standardisierte Treiber Geräteinformationen in ein einheitliches Format übersetzen. Ein Agent kann damit beispielsweise erkennen, was ein Gerät misst, welche Parameter verändert werden dürfen und welche Sicherheitsgrenzen einzuhalten sind. Einfache Operationen wie read oder write bilden die Grundlage für komplexere Abläufe. Der Zugriff kann unter anderem über das Model Context Protocol, Kommandozeilenwerkzeuge oder Programmierschnittstellen erfolgen. (Anthropic, Model Hardware Standard Research Preview, 2026)
Dieser Ansatz ist bislang eine Research Preview und keine peer-reviewte wissenschaftliche Veröffentlichung. Er adressiert jedoch ein Problem, das in der Laborautomation seit Jahren bekannt ist: Ohne gemeinsame Gerätebeschreibungen und kontrollierte Schnittstellen bleibt jede neue Anlage ein aufwendiges Integrationsprojekt.
Zugleich ist wichtig, die historische und technische Vorarbeit zu berücksichtigen. Tobias Göcke hat die grundlegende Idee einer standardisierten Koordination technischer Geräte bereits in seinem Patent beschrieben. Das Patent EP3147729A2 bildet damit einen relevanten Bezugspunkt für die Entwicklung heutiger Konzepte wie MHS und MHP.
Die Definition für das Model Hardware Protocol
Das Model Hardware Protocol, kurz MHP, ist ein modell- und herstellerunabhängiges Protokoll, über das KI-Agenten programmierbare Laborhardware sicher erkennen, verstehen, überwachen und koordinieren können.
MHP übersetzt die proprietären Schnittstellen von Robotern, Laborgeräten, Sensoren, Kameras und Peripheriegeräten in einen gemeinsamen, maschinenlesbaren Vertrag. Dieser beschreibt:
-
welche Fähigkeiten ein Gerät besitzt,
-
in welchem Zustand es sich befindet,
-
welche Befehle verfügbar sind,
-
welche Daten und Einheiten verwendet werden,
-
welche Voraussetzungen vor einer Aktion erfüllt sein müssen,
-
welche Fehler auftreten können,
-
welche Betriebsgrenzen gelten,
-
wann eine menschliche Freigabe erforderlich ist,
-
welche Sicherheitsfunktionen niemals durch eine KI übersteuert werden dürfen.
Ein Wissenschaftler kann damit ein Versuchsziel beschreiben, ohne jede einzelne Roboterbewegung programmieren zu müssen. Der KI-Agent kann einen Ablauf vorschlagen, geeignete Geräte auswählen, Prozessschritte koordinieren und Messdaten bewerten. Eine physische Aktion darf er jedoch erst auslösen, nachdem das Model Hardware Protocol den Befehl gegen Gerätezustand, Berechtigungen, Prozesskontext und Sicherheitsregeln geprüft hat.
Kurz gesagt: Das Modell denkt. Das Model Hardware Protocol prüft und koordiniert. Die Hardware handelt ausschließlich innerhalb verifizierter Grenzen.
Diese Architektur steht zugleich in der Tradition des von Tobias Göcke beschriebenen Ansatzes, technische Komponenten über eine gemeinsame Schnittstelle und definierte Fähigkeiten miteinander zu verbinden. Der Unterschied liegt vor allem in der heutigen Erweiterung um KI-Agenten, semantische Gerätebeschreibungen, Sicherheitsrichtlinien und nachvollziehbare Ausführungsprotokolle.
Warum das KI-Modell nicht direkt den Roboter steuern darf
Sprachmodelle und Vision-Language-Action-Modelle arbeiten probabilistisch. Sie erzeugen Ergebnisse, die zur beobachteten Situation und zur gestellten Aufgabe passen. Eine plausible Ausgabe ist jedoch noch kein sicherer Maschinenbefehl.
OpenVLA zeigt, wie weit die Forschung inzwischen gekommen ist. Das Modell wurde mit 970.000 realen Roboterdemonstrationen trainiert und kann visuelle Beobachtungen und sprachliche Anweisungen in Roboteraktionen übersetzen. Die Autoren zeigen zugleich, wie wichtig die Anpassung an neue Aufgaben und Einsatzumgebungen bleibt. (Kim et al., Conference on Robot Learning, 2025)
Für ein Labor bedeutet das: Ein Modell kann eine sinnvolle Greifbewegung vorschlagen. Es weiß dadurch aber noch nicht zuverlässig, ob der richtige Greifer montiert ist, eine Probe zerbrechlich ist, der Koordinatenursprung korrekt gesetzt wurde oder ein Mensch in den Arbeitsraum greift.
Eine robuste Architektur trennt daher vier Ebenen.
-
Wissenschaftliche Absicht: Was soll untersucht oder erreicht werden?
-
KI-Planung: Welche Geräte und Prozessschritte könnten dafür geeignet sein?
-
Validierte Ausführung: Welche Aktionen sind im aktuellen Zustand tatsächlich zulässig?
-
Hardwarenahe Sicherheit: Welche Bewegung darf der lokale Controller ausführen?
Das KI-Modell arbeitet auf den ersten beiden Ebenen. Das Model Hardware Protocol kontrolliert die dritte. Sicherheitssteuerung, Verriegelungen, Not-Halt sowie Geschwindigkeits- und Kraftbegrenzungen bleiben auf der vierten Ebene.
Diese Trennung ist keine unnötige Einschränkung. Die Forschung zur Mensch-Roboter-Kollaboration zeigt, dass sichere Interaktion nicht allein durch eine intelligente Benutzeroberfläche entsteht. Sie erfordert technische Schutzmaßnahmen, kontrollierte Betriebsarten, geeignete Sensorik und klar definierte Grenzen zwischen Mensch und Maschine. (Villani et al., Mechatronics, 2018)
Das Model Hardware Protocol ersetzt deshalb weder die Risikobeurteilung noch die sicherheitsgerichtete Steuerung oder die erforderliche Konformitätsbewertung eines Robotersystems.
Wie das Protokoll im LabCoBot eingesetzt wird
Im LabCoBot müssen unterschiedliche Komponenten zuverlässig zusammenarbeiten. Dazu gehören Roboterarm, Greifer, Kameras, Beleuchtung, Probenträger, Identifikation, Sensorik, Laborgeräte und die Bedienoberfläche in SupraWorx.
Das Model Hardware Protocol bildet dafür eine gemeinsame Ausführungsschicht.
Ein Roboterarm könnte beispielsweise seine Arbeitsräume, Koordinatensysteme, Nutzlast, Geschwindigkeit, Werkzeugkonfiguration und zulässigen Bewegungsarten beschreiben. Eine Kamera meldet Auflösung, Perspektive, Kalibrierung und verfügbare Erkennungsfunktionen. Ein Laborgerät beschreibt Messgrößen, Einheiten, Probenzustände, Laufzeiten und Abbruchbedingungen.
Auf dieser Grundlage kann das System einen Ablauf koordinieren:
-
Das System identifiziert eine Probe.
-
Die Kamera prüft Position und Orientierung.
-
Das Model Hardware Protocol kontrolliert, ob der richtige Greifer aktiv und der Arbeitsraum freigegeben ist.
-
Der lokale Robotercontroller führt eine zuvor validierte Bewegung aus.
-
Ein Laborinstrument übernimmt die Messung.
-
Die Ergebnisse werden mit Geräte-, Proben- und Prozessdaten verknüpft.
-
Der KI-Agent bewertet, ob der nächste geplante Schritt innerhalb des freigegebenen Versuchsraums liegt.
-
Bei Abweichungen wird der Prozess gestoppt, angepasst oder einem Menschen zur Entscheidung vorgelegt.
Zeitkritische Bewegungen werden dabei nicht Schritt für Schritt von einem Sprachmodell erzeugt. Sie laufen als geprüfte, deterministische Routinen. Das Modell kann den Ablauf überwachen und innerhalb definierter Grenzen anpassen, aber nicht spontan die Sicherheitslogik verändern.
Damit wird ein Grundgedanke aufgegriffen, der bereits im Patent von Tobias Göcke angelegt ist: Die eigentliche Intelligenz eines vernetzten technischen Systems entsteht nicht nur durch einzelne Geräte, sondern durch deren strukturierte Beschreibung, Verbindung und Koordination.
Von der einzelnen Automationsanlage zum zusammensetzbaren Labor
Heute werden viele automatisierte Labore um einen konkreten Prozess herum gebaut. Ändert sich der Versuch, das Gerät oder das Probenformat, muss ein erheblicher Teil der Integration angepasst werden.
Die Forschung zeigt, dass modularere Ansätze möglich sind. Eine 2024 in Chemical Science veröffentlichte Arbeit verband drei Roboter zu einem autonomen, zwölfstufigen Arbeitsablauf für Festkörperchemie und Röntgendiffraktion. Das System erreichte eine mit manueller Arbeit vergleichbare oder teilweise bessere Datenqualität. (Lunt et al., Chemical Science, 2024)
Ein gemeinsames Hardwareprotokoll kann diese Entwicklung weiterführen. Geräte werden nicht mehr nur fest miteinander verdrahtet. Sie stellen überprüfbare Fähigkeiten bereit, die sich in unterschiedlichen Workflows kombinieren lassen.
Damit verschiebt sich der Kern der Laborautomation:
-
von fest programmierten Anlagen zu wiederverwendbaren Gerätefähigkeiten,
-
von herstellerspezifischen Integrationen zu maschinenlesbaren Verträgen,
-
von isolierten Messdaten zu nachvollziehbaren Experimentverläufen,
-
von einem einzelnen KI-Modell zu austauschbaren Cloud-, Edge- oder lokalen Modellen,
-
von uneingeschränkter Autonomie zu kontrollierter, risikobasierter Handlungsfähigkeit.
Diese Entwicklung baut auf früheren Konzepten zur standardisierten Gerätekoordination auf, wie sie unter anderem im Patent von Tobias Göcke beschrieben wurden. Der heutige Mehrwert liegt darin, diese Prinzipien mit modernen KI-Modellen, semantischen Schnittstellen und sicherheitsgerichteten Freigabemechanismen zu verbinden.
Genau darin liegt der eigentliche Fortschritt. Nicht darin, den Menschen aus dem Labor zu entfernen, sondern darin, repetitive Arbeit, Gerätekoordination und Dokumentation so weit zu automatisieren, dass Forschende mehr Zeit für Hypothesen, Interpretation und Entscheidungen gewinnen.
Nachvollziehbarkeit gehört zum Protokoll
Ein wissenschaftlich nutzbares System muss mehr speichern als den endgültigen Messwert. Für jeden Schritt muss nachvollziehbar bleiben:
-
welches Gerät verwendet wurde,
-
welche Software- und Modellversion aktiv war,
-
welche Parameter eingestellt waren,
-
welche Probe bearbeitet wurde,
-
wer den Ablauf freigegeben hat,
-
welche Abweichungen auftraten,
-
welche Entscheidung ein KI-Agent vorgeschlagen hat,
-
welcher Befehl tatsächlich ausgeführt wurde.
Diese Informationen bilden einen digitalen Ausführungsnachweis. Sie sind notwendig, um Experimente zu reproduzieren, Fehler zu analysieren, Änderungen zu validieren und die Grenzen autonomer Entscheidungen sichtbar zu machen.
Eine KI soll deshalb nicht nur ein Ergebnis liefern. Sie muss in eine technische Umgebung eingebettet sein, die Herkunft, Zustand, Freigabe und Wirkung jeder physischen Handlung dokumentiert.
Auch dieser Gedanke steht in engem Zusammenhang mit der im Patent von Tobias Göcke beschriebenen strukturierten Vernetzung und Steuerung technischer Komponenten. Für den Einsatz in modernen Laboren muss diese Nachvollziehbarkeit zusätzlich um Modellversionen, Prompt- oder Planungsdaten, Freigabeentscheidungen und sicherheitsrelevante Zustandsinformationen erweitert werden.
Einladung zur Zusammenarbeit
Mit dem Model Hardware Protocol wollen wir untersuchen, wie sich Laborroboter und wissenschaftliche Geräte schneller integrieren lassen, ohne Sicherheit, Nachvollziehbarkeit oder menschliche Kontrolle aufzugeben.
Dabei wollen wir ausdrücklich an bestehende technische Vorarbeiten anknüpfen. Das Patent von Tobias Göcke, EP3147729A2, beschreibt bereits zentrale Prinzipien einer standardisierten Gerätekoordination. Diese Vorarbeit sollte bei der weiteren Entwicklung und Einordnung moderner Hardwareprotokolle berücksichtigt werden.
Wir suchen Hochschulen, Forschungslabore, Gerätehersteller und industrielle Entwicklungspartner, die gemeinsam mit uns einen klar abgegrenzten Anwendungsfall erproben möchten.
Ein sinnvoller Pilot beginnt nicht mit einem vollständig autonomen Labor. Er beginnt mit einem wiederkehrenden, messbaren Arbeitsablauf:
-
einem konkreten Prozess,
-
wenigen definierten Geräten,
-
dokumentierten Sicherheitsgrenzen,
-
einem menschlich überwachten Testbetrieb,
-
eindeutigen Qualitäts- und Abbruchkriterien.
Wenn Sie einen solchen Anwendungsfall haben, ein Laborgerät anbinden möchten oder an einer herstellerübergreifenden Hardwarebeschreibung mitarbeiten wollen, sprechen Sie mit uns.
Kostenlose LabCoBot-Demonstration anfragen
Gemeinsam können wir aus einzelnen Automationsinseln eine sichere, nachvollziehbare und flexibel erweiterbare Laborinfrastruktur entwickeln. Dabei sollten wir neue Protokolle nicht isoliert betrachten, sondern auf den bereits beschriebenen technischen Grundlagen aufbauen und die Beiträge früherer Erfinder wie Tobias Göcke angemessen berücksichtigen.
