Computer-Use Agents sind KI-Modelle, die einen Bildschirm so bedienen wie ein Mensch: Sie betrachten Screenshots, bewegen einen Cursor, klicken auf Schaltflächen und tippen. Wechseln Sie zu ihnen, wenn eine Aufgabe in einer Software ohne API stattfindet und sich zu oft für ein festes Skript ändert. Bleiben Sie bei traditionellen Tools wie Integrationen, APIs und geplanten Skripten, wenn die Aufgabe stabil ist, ein hohes Volumen aufweist oder Geld und Kundendaten betrifft.
Die Kategorie wurde weithin sichtbar, als Anthropic Ende 2024 die Computer-Nutzung für Claude veröffentlichte, gefolgt von OpenAIs Operator und seinem Computer-Use Agent, Googles Project Mariner und einer Reihe von Browser-Agent-Frameworks. Das gemeinsame Design ist eine Schleife: Das Modell erhält einen Screenshot, entscheidet über eine Aktion, die Aktion wird ausgeführt und ein neuer Screenshot kommt zurück.
Das ist wirklich neu, aber im Vergleich zur direkten Softwareintegration auch langsam und unvollkommen. Die nützliche Frage ist nicht, ob Agenten beeindruckend sind, sondern wo sie etwas Schlechteres ersetzen.
Was machen traditionelle Tools besser?
Ein API-Aufruf, der ein Google Ads-Budget aktualisiert, dauert einen Bruchteil einer Sekunde und ist entweder erfolgreich oder gibt einen klaren Fehler zurück. Ein Computer-Use Agent, der denselben Job erledigt, öffnet die Schnittstelle, findet die Kampagne, klickt auf das Budgetfeld und tippt eine Zahl ein, was viel länger dauert und auf subtile Weise fehlschlagen kann, zum Beispiel durch das Bearbeiten der falschen Kampagne mit einem ähnlichen Namen.
Traditionelle Automatisierung verfügt auch über ausgereifte Tools. Zapier, Make und n8n verarbeiten Trigger, Wiederholungsversuche und Protokolle. Robotic Process Automation-Tools wie UiPath arbeiten mit definierten Selektoren, die nicht raten. Geplante Skripte können Zeile für Zeile überprüft werden.
- Geschwindigkeit: APIs und Skripte sind um Größenordnungen schneller.
- Kosten: Ein Agent verbraucht bei jedem Screenshot Modell-Token; ein Skript kostet pro Durchlauf fast nichts.
- Vorhersehbarkeit: Die gleiche Eingabe liefert das gleiche Ergebnis.
- Prüfbarkeit: Protokolle zeigen genau, was sich geändert hat.
Wo gewinnen Computer-Use Agents?
Sie gewinnen in den Lücken. Viele Marketingaufgaben betreffen Tools ohne API, mit begrenzter API oder einer API, die nur im Enterprise-Tarif des Anbieters enthalten ist. Beispiele sind ältere CMS-Panels, regionale Werbenetzwerke, Branchenverzeichnisse, Lieferantenportale und einige Marktplatz-Verkäuferzentren.
Sie gewinnen auch, wenn sich die Schnittstelle häufig ändert oder die Aufgabe variiert. Ein Skript bricht ab, wenn sich eine Schaltfläche bewegt; ein Agent kann sie normalerweise wiederfinden. Eine Rechercheaufgabe wie „Überprüfen Sie die Preisseiten dieser zwölf Wettbewerber und notieren Sie alle Planänderungen“ variiert je nach Website und ist für Menschen mühsam, was sie zu einem vernünftigen Agenten-Job macht.
Schließlich sind sie nützlich für einmalige oder selten vorkommende Arbeiten, bei denen der Aufbau einer Integration länger dauern würde als die Aufgabe selbst.
Was sind die Risiken eines Wechsels?
Agenten können durch das, was sie lesen, in die Irre geführt werden. Eine Webseite, die versteckte Anweisungen enthält, eine Technik namens Prompt Injection, kann versuchen, den Agenten umzuleiten. Anbieter fügen Sicherheitsvorkehrungen hinzu, aber das Risiko ist real genug, dass Agenten keine Anmeldeinformationen für Zahlungssysteme speichern oder auf nicht vertrauenswürdigen Websites ohne Aufsicht agieren sollten.
Sie machen auch plausible Fehler. Auf „Duplizieren“ statt „Bearbeiten“ zu klicken, ein Cookie-Banner zu akzeptieren, das abgelehnt werden sollte, oder ein halb ausgefülltes Formular zu speichern, ist typisch. Da jeder Durchlauf leicht unterschiedlich ist, wiederholt sich ein Fehler beim Testen möglicherweise nicht und tritt dennoch in der Produktion auf.
Wie entscheidet man von Aufgabe zu Aufgabe?
Eine einfache Entscheidungsliste funktioniert für die meisten Teams.
- Gibt es eine zuverlässige API oder native Integration? Nutzen Sie sie.
- Ist die Aufgabe jedes Mal identisch und wird sie oft ausgeführt? Skripten Sie sie oder verwenden Sie RPA.
- Beinhaltet sie Zahlungen, das Löschen von Daten oder das Senden von Nachrichten an Kunden? Behalten Sie einen Menschen in der Schleife oder vermeiden Sie Agenten.
- Passiert sie selten, variiert jedes Mal und lebt in einer Schnittstelle ohne API? Ein beaufsichtigter Agent ist ein guter Kandidat.
- Können Sie das Ergebnis danach kostengünstig überprüfen? Wenn nicht, automatisieren Sie es noch nicht mit einem Agenten.
Wie sieht ein hybrides Setup aus?
Das praktischste Muster ist nicht Agent oder Tool, sondern Agent plus Tool. Ein geplanter n8n-Workflow zieht die Ausgaben von gestern aus den Werbe-APIs, und nur das eine regionale Netzwerk ohne API wird an einen Agenten übergeben, der sich anmeldet, eine CSV exportiert und sie in einem freigegebenen Ordner ablegt. Der Workflow nimmt dann die Datei auf und führt sie mit dem Rest zusammen.
Dies hält den Job des Agenten klein und überprüfbar. Wenn der Export fehlt oder die Datei die falschen Spalten hat, markiert der Workflow dies, anstatt eine Lücke stillschweigend zu melden. Der Agent berührt niemals Budgets oder Kampagnen; er ruft nur Daten ab, die eine Person in zwei Minuten abrufen könnte.
Wie Alien Road Computer-Use Agents einsetzt
In einem typischen Engagement beginnen wir mit einem Zeitaudit. Das Team des Kunden listet die wiederkehrenden Bildschirmarbeiten auf, die es jede Woche erledigt, mit einer Schätzung der Minuten pro Aufgabe und wie oft sie vorkommt. Wir markieren dann jede Aufgabe mit der oben genannten Entscheidungsliste.
Die meisten Aufgaben enden bei traditionellen Tools. Das Reporting zieht aus der Google Ads API, der Meta Marketing API und der GA4 Data API; CRM-Updates erfolgen über native Integrationen oder n8n. Agenten sind für den Rest reserviert, wie z. B. Wettbewerber-Seitenprüfungen, Verzeichnis-Audits oder Datensammlung von Portalen ohne Exportoptionen.
Das Setup hält Agenten in einem Sandbox-Browserprofil mit schreibgeschütztem Zugriff, wo möglich, ohne gespeicherte Zahlungsdetails und mit einer Liste erlaubter Websites. Jeder Durchlauf erzeugt ein kurzes Protokoll und Screenshots der wichtigsten Schritte. Bei Aufgaben, die etwas schreiben, bereitet der Agent die Änderung vor und eine Person genehmigt sie, bevor sie gespeichert wird.
Die Messung vergleicht eingesparte Minuten mit hinzugefügten Überprüfungsminuten und Laufkosten. Wenn die Überprüfungszeit nach einem Monat den Großteil der Einsparung auffrisst, geht die Aufgabe zurück an eine Person oder erhält eine richtige Integration.
Wo man diese Woche anfangen sollte
Listen Sie fünf Bildschirmaufgaben auf, die Ihr Team wiederholt, und notieren Sie, ob jedes Tool eine API hat. Führen Sie für jede Aufgabe ohne API einmal einen beaufsichtigten Agenten aus, während jemand die gesamte Sitzung beobachtet, und notieren Sie jeden Schritt, bei dem er gezögert hat oder eine falsche Wahl getroffen hat.
Dieser eine beobachtete Durchlauf sagt Ihnen mehr als jede Demo. Wenn der Agent dreimal Hilfe brauchte, ist die Aufgabe nicht bereit. Wenn er sauber fertig wurde und das Ergebnis leicht zu überprüfen war, planen Sie nächste Woche einen zweiten beaufsichtigten Durchlauf, bevor Sie ihn alleine laufen lassen.
Weiterlesen: KI-Marketing-Agentur · KI-Marketing