AG-UI, A2UI & MHS: Wie KI-Agenten mit Menschen und Maschinen interagieren

Im ersten Teil dieser Serie ging es um Zugriff: MCP verbindet einen Agenten mit Werkzeugen und Daten, WebMCP mit Websites, A2A mit anderen Agenten. Im zweiten Teil ging es ums Einkaufen und Bezahlen mit UCP, ACP, AP2 und x402. Beides spielt sich im Hintergrund ab. Der Mensch sieht davon im besten Fall nichts.

Teil 3 schaut auf die beiden Enden dieser Kette. Auf der einen Seite sitzt ein Mensch, der verstehen will, was sein Agent gerade tut, und im richtigen Moment eingreifen möchte. Auf der anderen Seite stehen zunehmend echte Geräte: Mikroskope, Roboterarme, Produktionsanlagen. Für beide Enden entstehen gerade eigene Standards: AG-UI und A2UI für die Oberfläche, MHS für die Hardware.

Warum Agenten eine Oberfläche brauchen

Die meisten KI-Werkzeuge antworten bis heute mit Text. Für eine Frage reicht das. Für eine Aufgabe wird es mühsam. Wer über einen Agenten einen Tisch im Restaurant reservieren will, erlebt das schnell: Welcher Tag? Morgen. Welche Uhrzeit? 19 Uhr. Wie viele Personen? Vier. Drinnen oder draußen? Ein Formular mit Datumsauswahl und zwei Knöpfen hätte das in Sekunden erledigt.

Dazu kommt ein zweites Problem. Ein Agent, der zehn Minuten an einem Kampagnenbericht arbeitet, sollte zeigen, wo er gerade steht. Und bevor er den Bericht an die Geschäftsführung verschickt, sollte er fragen. Genau diese beiden Lücken schließen AG-UI und A2UI.

AG-UI: „Halte mich auf dem Laufenden“

AG-UI steht für Agent-User Interaction Protocol. Entwickelt hat es CopilotKit im Mai 2025, gemeinsam mit den Teams hinter LangChain und CrewAI. Inzwischen unterstützen es unter anderem das Agent Framework von Microsoft, das Agent Development Kit von Google und Strands von AWS. Warum sich der Wettlauf der Modelle gerade von Text zu Handlung verschiebt, beschreibe ich in GPT-6 Astra und Gemini 3.8 Flash: Der Wettlauf verschiebt sich von Text zu Handlung.

Das Prinzip ist ein laufender Strom von Ereignissen zwischen Agent und Anwendung. Die Oberfläche erfährt, wenn der Agent Text schreibt, ein Werkzeug aufruft oder einen Zwischenstand speichert. Umgekehrt kann der Mensch pausieren, freigeben, korrigieren oder abbrechen, ohne dass der Agent seinen Faden verliert.

Für die Praxis ist der letzte Punkt der wichtigste. Freigaben, sogenannte Human-in-the-Loop-Momente, sind die Stellen, an denen ein Mensch Verantwortung übernimmt, bevor etwas nach außen geht. AG-UI macht sie zu einem festen Bestandteil des Protokolls statt zu einer Bastellösung.

Kurzformel: MCP verbindet den Agenten mit seinen Werkzeugen, A2A mit anderen Agenten, AG-UI mit dem Menschen vor dem Bildschirm.

A2UI: „Zeig es mir, statt es zu beschreiben“

AG-UI regelt, dass Agent und Oberfläche miteinander sprechen. A2UI regelt, was der Agent dabei anzeigen darf. Google hat das Projekt im Dezember 2025 als Open Source vorgestellt, die Version 0.9 erschien im Juli 2026.

Der Kern ist eine Sicherheitsentscheidung. Ein Agent schickt keinen ausführbaren Code an die Oberfläche, sondern eine Beschreibung in Datenform: hier ein Datumsfeld, dort eine Auswahlliste, darunter ein Button. Die Anwendung setzt das mit ihren eigenen, geprüften Bausteinen um, egal ob im Web, in einer App oder auf dem Desktop. So kann ein fremder Agent keine gefälschte Anmeldemaske einschleusen, und das Ergebnis sieht trotzdem aus wie der Rest der Anwendung.

Das Feld ist auch hier noch in Bewegung. Seit Januar 2026 gibt es mit MCP Apps eine offizielle Erweiterung von MCP, über die Werkzeuge kleine interaktive Oberflächen direkt im Chat anzeigen, etwa in Claude. Daneben existieren weitere Ansätze. Welche sich durchsetzen, ist offen. Die Richtung ist es nicht: Die Textwand als einzige Antwortform hat ausgedient.

MHS: „Bediene dieses Gerät“

Am anderen Ende der Kette steht der Model Hardware Standard, den Anthropic Ende August 2026 gemeinsam mit dem HHMI Janelia Research Campus vorgestellt hat. MHS soll Agenten sicher an physische Geräte anschließen: Laborgeräte, Roboterarme, Messtechnik, Produktionsanlagen.

Das Problem dahinter kennt jeder, der schon einmal zwei Systeme verschiedener Hersteller verbinden musste. Jedes Gerät spricht seine eigene technische Sprache. MHS setzt einheitliche Treiber mit einfachen Grundbefehlen wie Lesen und Schreiben dagegen, dazu eine Beschreibung in natürlicher Sprache, die bisher nur im Handbuch stand. Und das Gerät setzt seine Sicherheitsgrenzen selbst durch: Ein Agent kann einen Laser nicht über die zulässige Leistung hinaus hochfahren, auch wenn er es versucht. Angesprochen wird das Ganze unter anderem über MCP, womit sich der Kreis zu Teil 1 schließt.

Wie viel das bringt, zeigt ein Beispiel der Carnegie Mellon University: Vier bislang inkompatible Geräte waren über MHS in acht Stunden verbunden, statt in den mehreren Wochen, die eine Herstellerlösung üblicherweise braucht. MHS läuft derzeit als Research Preview für ausgewählte Forschungslabore und Hersteller. Mehr zur Einordnung von MHS neben MCP und WebMCP steht in meinem Beitrag über WebMCP.

Was das für Marketing bedeutet

MHS wird in den wenigsten Marketingabteilungen ankommen. AG-UI und A2UI dagegen schon, und zwar schneller, als es klingt. Wenn Agenten künftig Oberflächen zusammenstellen, greifen sie auf die Bausteine zurück, die eine Anwendung bereitstellt. Das Designsystem einer Marke wird damit zu etwas, das auch Maschinen lesen und verwenden können.

Das ist dieselbe Bewegung wie bei den Produktdaten in Teil 2. Dort mussten Produktinformationen maschinenlesbar werden, damit ein Agent sie versteht. Hier müssen Gestaltungsbausteine so sauber definiert sein, dass ein Agent sie richtig einsetzt. Und die Freigabemomente aus AG-UI sind genau die Stellen, an denen Markenverantwortung künftig sitzt: Was darf ein Agent allein, was braucht ein menschliches Okay?

Der ganze Stack auf einen Blick

Damit ist die Serie komplett. Zusammengesetzt ergibt sich folgendes Bild:

• Teil 1, Zugriff auf die digitale Welt: MCP für Werkzeuge und Daten, WebMCP für Websites, A2A für die Verständigung mit anderen Agenten.
• Teil 2, Einkaufen und Bezahlen: UCP und ACP für den Einkauf, AP2 und x402 für die Bezahlung.
• Und abschließend Teil 3, Mensch und Maschine: AG-UI und A2UI für die Oberfläche, MHS für die physische Welt.

Vor zwei Jahren haben wir vor allem darüber diskutiert, welches Sprachmodell die besseren Antworten gibt. Darunter entsteht gerade eine Infrastruktur, über die Modelle Daten abrufen, Software bedienen, Websites benutzen, mit anderen Agenten verhandeln, einkaufen, bezahlen und Geräte steuern. Nicht jeder dieser Standards wird überleben. Instant Checkout aus Teil 2 hat gezeigt, wie schnell sich Pläne ändern.

Deshalb mein Rat aus der Lehre: Die Akronyme muss niemand auswendig lernen. Wichtiger sind die Fragen, die hinter jedem Protokoll stehen. Worauf darf der Agent zugreifen? Wer bestätigt, was er tut? Welche Daten muss ich liefern, damit er mein Angebot versteht? Wer diese drei Fragen für sein Unternehmen beantworten kann, ist für den nächsten Standard genauso vorbereitet wie für den jetzigen.

Genau um dieses Einordnen geht es in meinem Kurs KI und Automatisierung im Marketing bei MOD education. Wo Agentic AI im Lernpfad insgesamt steht, zeigt KI lernen.

Quelle: AG-UI: Agent-User Interaction Protocol, Dokumentation

Quelle: CopilotKit: Introducing AG-UI

Quelle: Google Developers Blog: Introducing A2UI

Quelle: InfoQ: Google Releases A2UI v0.9

Quelle: Model Context Protocol Blog: MCP Apps

Quelle: Anthropic: Previewing the Model Hardware Standard