Es gibt einen Moment beim ersten Einsatz eines Computer-Use-Agenten, der irritiert: Du siehst den Mauszeiger sich bewegen, ohne dass du die Maus anfasst. Er klickt sich durch eine Oberfläche, tippt in Felder, scrollt. Und du sitzt daneben und schaust zu.
Google hat diese Fähigkeit im Juni in Gemini integriert. Anthropic und OpenAI haben Vergleichbares. Der Kern ist überall gleich: Das Modell sieht einen Bildschirm, entscheidet, wo es klicken muss, und tut es.
Warum das technisch der interessantere Weg ist
Die saubere Art, Systeme zu verbinden, ist eine Schnittstelle. Eine API ist stabil, dokumentiert und schnell. Wenn es eine gibt, nimm die API.
Das Problem: Für die meisten Systeme, mit denen kleine Unternehmen im Alltag arbeiten, gibt es keine. Das Lieferantenportal hat keine API. Das Behördenformular hat keine API. Die Branchensoftware von 2013 hat eine, aber der Hersteller verlangt vierstellig für die Freischaltung.
Genau da setzt Computer Use an. Es automatisiert nicht die Schnittstelle, sondern die Bedienung. Damit wird alles automatisierbar, was ein Mensch mit Maus und Tastatur erledigen kann, ohne dass jemand eine Integration bauen muss.
Was heute funktioniert
Ich habe verschiedene Abläufe durchgespielt. Ein Muster zeichnet sich klar ab.
Gut läuft alles, was lesend und wiederholend ist. Preise von drei Portalen abholen und in eine Tabelle schreiben. Bestellstatus in einem Lieferantenportal prüfen. Aus einem Web-Formular Daten ins interne System übertragen. Solche Abläufe laufen erstaunlich zuverlässig, wenn die Oberfläche stabil bleibt.
Schwierig wird es bei Zwischenzuständen. Ein Cookie-Banner, das mal erscheint und mal nicht. Ein Login mit Zwei-Faktor-Abfrage. Eine Fehlermeldung, die den Ablauf unterbricht. Der Agent kommt damit häufig klar, aber nicht immer, und das "nicht immer" ist der Punkt, den man einplanen muss.
Ganz schlecht ist die Kombination aus hoher Frequenz und hohem Risiko. Ein Agent, der hundertmal am Tag etwas Wichtiges freigibt, ist keine Automatisierung, sondern ein Verstärker für den ersten Fehler.
Das Risiko, das anders ist als bei bisheriger KI
Bei einem Chatbot ist der schlimmste Fall eine falsche Auskunft. Bei einem Agenten mit Browser-Zugriff ist der schlimmste Fall eine falsche Handlung. Das ist eine andere Kategorie.
Marktbeobachter rechnen für 2026 mit dem ersten öffentlich bekannten Datenleck durch einen Agenten. Die Logik dahinter ist plausibel: Ein Agent, der Zugriff auf ein CRM hat und dem man über eine manipulierte Webseite eine Anweisung unterschieben kann, exportiert im Zweifel Kundendaten und hält das für seine Aufgabe.
Das ist keine theoretische Schwäche des Modells, sondern eine Eigenschaft der Bauweise: Der Agent kann Inhalte, die er auf einer Seite liest, nicht zuverlässig von Anweisungen unterscheiden, die du ihm gegeben hast.
Vier Regeln, die ich mir angewöhnt habe
Eigener Nutzer, eigene Rechte. Der Agent bekommt einen separaten Zugang mit genau den Rechten, die er braucht. Nie deinen eigenen Admin-Login. Wenn etwas schiefgeht, ist der Schaden begrenzt und nachvollziehbar.
Lesen ohne Freigabe, Schreiben mit. Daten abholen darf der Agent allein. Alles, was etwas verändert oder verschickt, geht durch eine Bestätigung. Das klingt nach Rückschritt, kostet aber nur Sekunden und rettet dir irgendwann den Tag.
Kein Zugriff auf offene Webinhalte in derselben Sitzung, in der er auf Firmendaten zugreift. Recherche im offenen Netz und Arbeit im CRM sind zwei Aufgaben, nicht eine.
Protokoll mitschreiben. Jeder Schritt nachvollziehbar. Ohne Protokoll debuggst du bei Problemen im Dunkeln, und im Zweifelsfall kannst du auch nicht belegen, was passiert ist.
Wann sich der Aufwand lohnt
Meine Faustregel: Computer Use lohnt sich, wenn ein Ablauf mindestens zwanzig Mal im Monat vorkommt, jedes Mal gleich läuft und keine API existiert. Fehlt eine dieser drei Bedingungen, ist ein klassischer Automatisierungs-Workflow meist die bessere Wahl, weil er stabiler ist.
Und ein ehrlicher Hinweis: Diese Agenten sind langsam. Was ein Mensch in zwei Minuten klickt, braucht der Agent oft fünf. Der Gewinn liegt nicht in der Geschwindigkeit, sondern darin, dass niemand dabeisitzen muss.
Wer die Grundlagen dahinter sauber aufbauen will, findet in unserer Sammlung zur KI-Automatisierung die Werkzeuge, mit denen sich solche Abläufe planen und überwachen lassen.
Fazit
Computer Use schließt die Lücke zwischen "es gibt eine Schnittstelle" und "es gibt keine". Das ist für kleine Unternehmen wertvoller als für Konzerne, weil genau dort die Systeme ohne Schnittstelle stehen.
Gleichzeitig ist es die Technik mit dem größten Abstand zwischen Demo und Produktivbetrieb, die ich dieses Jahr gesehen habe. Fang klein an, gib wenig Rechte, protokolliere alles.
Josef vom KI Club
