Viele kleine Unternehmen haben eine Liste von Prozessen, die schon vor Jahren hätten automatisiert werden sollen.
Die Arbeit betrifft vielleicht ein Lieferantenportal, eine alte Buchhaltungsanwendung, eine Desktop-Datenbank, eine Behördenwebsite oder ein Branchentool ohne brauchbare API. Ein Mitarbeiter meldet sich an, liest Werte aus einem System, trägt sie in ein anderes ein, lädt ein Dokument herunter, benennt es um und sendet eine Bestätigungsmail.
Eine individuelle Integration stoppt oft bei der ersten technischen Frage: Bietet die Software eine Schnittstelle, die ein anderes System aufrufen kann? Oberflächenautomatisierung gibt es seit Jahren, sie kann bei Änderungen am Bildschirm aber spröde sein.
Computer-Use-Agenten verändern diese Rechnung. Sie können einen Bildschirm betrachten, den Cursor bewegen, Felder ausfüllen, Schaltflächen drücken, das Ergebnis lesen und fortfahren. Die für Menschen gebaute Oberfläche wird zu einer Schnittstelle, die auch ein Agent bedienen kann.
Eine fehlende API beendet die Automatisierungsdiskussion damit nicht mehr.
Dies ist Teil 2 von Nach dem Chatbot, nach Teil 1 über Websites für KI-Shopping-Agenten .
Was ist ein Computer-Use-Agent?
Ein Computer-Use-Agent ist ein KI-System, das im Auftrag eines Nutzers einen Browser oder eine Desktop-Anwendung bedienen kann. Es erhält ein Ziel, beobachtet die sichtbare Oberfläche, plant eine Folge von Aktionen und nutzt Klicks sowie Tastatureingaben, um die Aufgabe auszuführen.
Das geht über skriptbasierte Browserautomatisierung hinaus. Ein Skript erwartet eine bekannte Seitenstruktur und eine feste Reihenfolge. Ein Computer-Use-Agent kann Beschriftungen interpretieren und die nächste Aktion planen. Änderungen an der Oberfläche und mehrdeutige Bildschirme verursachen trotzdem weiterhin Fehler.
OpenAIs ChatGPT Work kann bei längeren Projekten über Anwendungen und Dateien hinweg arbeiten. AWS hat eigene Desktops für KI-Agenten eingeführt , einschließlich Identitätskontrollen und Audit Trails für den Zugriff auf Web- und Legacy-Anwendungen.
AWS verpackt diese Fähigkeit für Unternehmensumgebungen. Der Ansatz ist auch für kleinere Firmen relevant, die von Software abhängen, die gut genug funktioniert, um sie zu behalten, aber schlecht genug, um Stunden manueller Kopier- und Prüfarbeit zu erzeugen.
Die Barriere alter Software wird schwächer
Viele kleine Unternehmen haben einen gemischten Technologie-Stack. Moderne Cloud-Tools stehen neben alter Desktop-Software. Wichtige Datensätze liegen in E-Mail-Anhängen. Lieferanten- und Behördenportale erfordern manuelle Logins. Manche Workflows hängen weiterhin von Tabellen ab, weil das offizielle System Daten nicht sauber austauschen kann.
Jedes System zu ersetzen wäre teuer und störend. Individuelle Integrationen können mehr kosten, als der Prozess wert ist.
Ein Computer-Use-Agent bietet einen dritten Weg. Er kann mit der bestehenden Oberfläche arbeiten, während das Unternehmen das zugrunde liegende System behält.
Mögliche Beispiele:
- Rechnungen aus einem Lieferantenportal herunterladen
- freigegebene Bestelldaten in ein Desktop-System eintragen
- Versand- oder Antragsstatus auf mehreren Websites prüfen
- Informationen aus E-Mail-Anhängen in ein internes Tool übertragen
- wiederkehrende Berichte aus Anwendungen ohne Export-API vorbereiten
- Datensätze in einem alten CRM aktualisieren
- Standardformulare nach menschlicher Freigabe absenden
Der Prozess muss die Automatisierung weiterhin rechtfertigen. Eine langsame Aufgabe, die zweimal pro Jahr anfällt, ist selten geeignet. Eine klare tägliche Aufgabe kann es sein.
Wählen Sie langweilige und beobachtbare Arbeit
Der beste erste Workflow hat fünf Eigenschaften.
Er ist repetitiv
Dieselben Inputs, Entscheidungen und Outputs kommen oft genug vor, um einen messbaren Nutzen zu erzeugen.
Er folgt Regeln
Der Agent kann einen Normalfall von einer Ausnahme unterscheiden. Decken die Regeln einen Fall nicht ab, stoppt er und fragt nach.
Er ist reversibel
Ein falscher Entwurf, Download oder interner Datensatz lässt sich korrigieren. Geld zu senden, jemanden zu entlassen oder einen bindenden Vertrag anzunehmen hat ein anderes Risikoniveau.
Er ist beobachtbar
Das Unternehmen kann prüfen, was der Agent gesehen, welche Aktionen er ausgeführt und was er verändert hat.
Er hat eine verantwortliche Person
Eine Person verantwortet Workflow, Berechtigungen, Erfolgskriterien und Abschaltweg.
Ein Prozess mit diesen Eigenschaften lässt sich kontrolliert pilotieren. Eine vage Anweisung wie „Verwalte unser Operations-System“ nicht.
Bildschirmzugriff schafft eine große Berechtigungsfläche
Eine API stellt gewöhnlich einen begrenzten Satz von Aktionen bereit. Eine Desktop-Sitzung kann alles öffnen, was der Nutzer erreichen kann.
Das schafft praktische Risiken. Ein Agent kann den falschen Datensatz öffnen, vertrauliche Informationen zeigen, bösartigen Anweisungen auf einer Webseite folgen oder nach einer Fehlinterpretation eine irreversible Aktion ausführen. NIST-Leitlinien zu generativer KI behandeln Prompt Injection und zu breite Agentenzugriffe als Risiken, die Systemdesigner annehmen und begrenzen sollten.
Ein produktiver Workflow braucht Kontrollen:
- ein eigenes Konto mit minimal notwendigen Rechten
- eine separate Desktop- oder Browserumgebung
- Grenzen für erlaubte Anwendungen und Domains
- Freigaben vor finanziellen, vertraglichen oder kundenbezogenen Aktionen
- Logs, Screenshots und Ergebnisprotokolle
- automatisches Stoppen bei unerwarteten Oberflächenänderungen
- einen klaren Kill Switch
Der Agent sollte nicht den gesamten Desktop und Passwortbestand eines Gründers erben, nur weil das in einer Demo bequem ist.
Computer-Use-Agenten brauchen weiterhin Prozessdesign
Robotic Process Automation, kurz RPA, nutzt Skripte und Oberflächenautomatisierung seit Jahren. Computer-Use-Agenten ergänzen Interpretation und flexiblere Planung. Prozessdesign bleibt trotzdem notwendig.
Ein Agent kann weiterhin scheitern, wenn:
- die Seite mehrdeutige Informationen zeigt
- ein Pop-up ein wichtiges Bedienelement verdeckt
- eine Sitzung abläuft
- Multi-Faktor-Authentifizierung einen Menschen erfordert
- eine visuelle Änderung die Bedeutung des Bildschirms verändert
- Quelldaten unvollständig sind
- ein unerwarteter Fall geschäftliches Urteil braucht
Das praktische Design sollte diese Fehler erwarten und testen. Ein nützlicher Workflow erkennt sie, protokolliert sie und leitet sie an einen Menschen weiter, ohne den restlichen Prozess zu beschädigen.
Ein Zwei-Wochen-Pilot
Ein kleines Unternehmen kann die Fähigkeit testen, ohne ein großes Automatisierungsprogramm zu starten.
Tag 1 und 2: Arbeit abbilden
Dokumentieren Sie den aktuellen Prozess. Zählen Sie Häufigkeit, Bearbeitungszeit, Ausnahmen und Fehlerkosten. Erfassen Sie die genauen Bildschirme und Entscheidungen.
Tag 3 und 4: Grenzen definieren
Bestimmen Sie erlaubte Anwendungen, Daten, Aktionen und Stoppbedingungen. Markieren Sie jeden Schritt, der eine Freigabe braucht.
Tag 5 bis 8: Beaufsichtigten Lauf bauen
Lassen Sie den Agenten den Workflow vorbereiten oder ausführen, während ein Mensch zusieht. Speichern Sie das Aktionsprotokoll und vergleichen Sie das Ergebnis mit dem manuellen Prozess.
Tag 9 und 10: Fehler testen
Führen Sie fehlende Daten, geänderte Beschriftungen, abgelaufene Sitzungen und Sonderfälle ein. Prüfen Sie, dass der Agent stoppt, statt zu improvisieren.
Tag 11 bis 14: Messen und entscheiden
Vergleichen Sie Bearbeitungszeit, Genauigkeit, gewonnene Stunden, Prüfaufwand und Wartungskosten. Setzen Sie nur fort, wenn der Workflow einen klaren operativen Gewinn liefert.
Häufig gestellte Fragen
Kann ein Computer-Use-Agent jede alte Software automatisieren?
Nein. Er braucht eine ausreichend stabile Oberfläche, zugängliche Bedienelemente und eine bewertbare Aufgabe. Manche Anwendungen blockieren Automatisierung oder haben Sicherheits- und Lizenzgrenzen.
Ist das dasselbe wie Browserautomatisierung?
Computer-Use-Agenten können Browserautomatisierung enthalten, aber auch Oberflächen interpretieren und Aktionen anhand des aktuellen Bildschirms anpassen. Konventionelle Skripte bleiben bei festen, vorhersagbaren Aufgaben besser.
Sollte ein Agent das Konto eines Mitarbeiters nutzen?
Bevorzugen Sie eine eigene Identität mit begrenzten Rechten. Geteilte Mitarbeiterzugänge lassen sich schwer prüfen und entziehen.
Wann ist eine API weiterhin besser?
Nutzen Sie eine API, wenn eine zuverlässige und gut entwickelte Schnittstelle vorhanden ist. Sie ist gewöhnlich schneller, leichter testbar und präziser. Computer Use ist wertvoll, wenn die Oberfläche der einzige praktische Weg ist.
Beginnen Sie mit dem Workflow, den alle hassen
Der beste Pilot ist meist leicht zu finden. Es ist die wiederkehrende Aufgabe, die Menschen aufschieben, sammeln oder mit „Jemand muss es tun“ beschreiben.
Computer-Use-Agenten geben kleinen Unternehmen einen neuen Weg, solche Aufgaben anzugehen, ohne jedes zugrunde liegende System zu ersetzen. Die Umsetzung braucht weiterhin professionelles Urteil zu Berechtigungen, Fehlerbehandlung und Geschäftsregeln.
XYZ kann einen begrenzten Prozess mit Your Agentic Use Case abbilden und testen. Wenn der Workflow eine dauerhaft tragfähige Anwendung braucht, bietet ein Bespoke Software Project den saubereren langfristigen Weg.