Der Agentic Browser: KI-Mitarbeiter, die Legacy-Software ohne API bedienen

Gehen Sie in fast jedes deutsche Fertigungsunternehmen, jede Versicherung oder jedes Logistikunternehmen, und Sie finden dieselbe stille Szene: eine Fachkraft mit drei geöffneten Fenstern, die Zahlen von einem System ins nächste von Hand abtippt. Die Daten existieren bereits. Sie liegen nur in Software, die keine API, keinen Konnektor und keine Möglichkeit hat, mit irgendetwas anderem zu sprechen. Also wird ein Mensch zur Integrationsschicht.

Für dieses Problem wurde der Agentic Browser gebaut. Statt darauf zu warten, dass ein Legacy-Anbieter eine API liefert, die vielleicht nie kommt, tut eine neue Klasse von KI-Mitarbeitern einfach das, was der Mensch tut - sie schaut auf den Bildschirm, bewegt den Cursor, klickt, tippt, liest das Ergebnis und macht weiter. 2025 hörte das auf, eine Forschungsdemo zu sein, und wurde zum ausgelieferten Produkt von Anthropic, OpenAI und Google.

Dieser Leitfaden ist für die Operations-Verantwortliche, den CTO oder den Geschäftsführer, die das Wort „Computer Use“ gehört haben und die ehrliche Version wollen: was es wirklich ist, wo es funktioniert, wo es noch scheitert und wie es zu den Systemen passt, die Ihr Unternehmen bereits betreibt. Kein Hype und kein Vorgeben, ein Screenshot-und-Klick-Agent sei Magie.

Die API-Lücke: Warum Ihre wichtigste Software nicht automatisiert werden kann

Jeder Automatisierungsanbieter setzt voraus, dass Ihre Systeme eine saubere API haben. Unternehmen, die echte Arbeit leisten, wissen es besser. Die Software, die die Werkshalle, den Schadenschalter und die Zollanmeldung steuert, ist oft ein oder zwei Jahrzehnte alt, On-Premise, pro Platz lizenziert und vollständig geschlossen. Genau dort stirbt die Produktivität.

• Die Anbindung von KI an bestehende Systeme ist der Blocker Nummer eins - 95 Prozent der Organisationen berichten von Schwierigkeiten, KI an ihre bestehenden Systeme anzubinden, und 83 Prozent sagen, dass Integrationsprobleme ihren digitalen Fortschritt schlicht bremsen⁹.
• Fast nichts ist tatsächlich integriert - Nur 2 Prozent der Organisationen haben mehr als die Hälfte ihrer Anwendungen erfolgreich integriert. Der Rest läuft als Inseln⁹.
• Legacy ist die Norm, nicht die Ausnahme - 92 Prozent der Organisationen werden von technischen Schulden aus Legacy-Systemen belastet, die nie dafür ausgelegt waren, sich mit irgendetwas zu verbinden¹⁰.
• Regulierte Branchen trifft es am härtesten - Rund 70 Prozent der Banken nennen die Integration mit Legacy-Systemen als großes Hindernis, und viele dieser Systeme unterstützen nicht einmal moderne Authentifizierung⁹.
• Der alte Kern verschwindet nicht - Allein der Markt für Mainframe-Modernisierung wächst von 18,12 Milliarden Dollar 2025 auf 20,85 Milliarden 2026, was zeigt, wie viel Geschäft noch auf Systemen läuft, die zu kritisch und zu verflochten sind, um sie herauszureißen¹².
• Menschen sind die aktuelle Behelfslösung - Wenn zwei Systeme nicht miteinander sprechen können, kopiert ein Mensch zwischen ihnen. Das ist langsam, fehleranfällig und das Erste, was bricht, wenn jemand im Urlaub ist.

Die klassischen Antworten sind teuer und langsam: das Legacy-System ersetzen (ein Mehrjahresprojekt), eigene Middleware bauen (sofern es eine Schnittstelle gibt, gegen die man bauen kann) oder für RPA-Bots bezahlen, die bei jeder Bildschirmänderung brechen. Der Agentic Browser bietet einen vierten Weg - das System über die eine Schnittstelle zu bedienen, die es immer hat, den Bildschirm.

Was ein Agentic Browser wirklich ist (und was nicht)

„Agentic Browser“ und „Computer Use“ beschreiben dasselbe: einen KI-Agenten, der eine grafische Oberfläche so bedient, wie es ein Mensch tut. Es lohnt sich, präzise zu sein, denn der Begriff wird gedehnt, um Werkzeuge zu umfassen, die eigentlich nur Chatbots oder aufgezeichnete Makros sind.

Technisch läuft der Agent in einer Schleife. Er macht einen Screenshot, ein Vision-Modell liest die Oberfläche und lokalisiert Buttons und Felder, das Sprachmodell entscheidet die nächste Aktion in Richtung Ziel, es führt einen Klick, Tastendruck oder Scroll aus, und dann macht es einen weiteren Screenshot, um das Ergebnis zu prüfen, bevor es weitermacht. Anthropic nennt die Wiederholung dieser Schritte ohne Nutzereingabe den „Agent Loop“¹.

Der Unterschied zu RPA und Chatbots

Der entscheidende Unterschied zu RPA ist das Überlegen. RPA spielt eine aufgezeichnete Sequenz ab und hat, wie Gartner es formuliert, null Fähigkeit zu überlegen, sodass es still scheitern oder die falschen Daten verarbeiten kann, wenn sich etwas verschiebt¹⁵. Ein Agentic Browser schaut jedes Mal, was tatsächlich auf dem Bildschirm ist, und entscheidet - deshalb beendet ein verschobener Button nicht den Lauf.

Wie es in der Praxis aussieht

• Ein altes ERP lesen - Der Agent öffnet Ihr On-Prem-ERP, navigiert zu einem Auftrag, liest Liefertermin und Menge vom Bildschirm ab und schreibt sie in das moderne System, das Ihr Team tatsächlich nutzt.
• Ein Portal ausfüllen - Er loggt sich in ein Lieferanten- oder Zollportal ein, trägt die erforderlichen Felder aus Ihren Daten ein, sendet ab und erfasst die Bestätigungsnummer als Nachweis.
• Ein Desktop-Tool bedienen - Er bedient eine lizenzierte Windows-Anwendung, die nie eine API hatte, und klickt sich durch die exakten Schritte, die ein geschulter Bediener gehen würde.
• Die eigene Arbeit prüfen - Nach jeder Aktion macht er einen frischen Screenshot und bestätigt, dass der Bildschirm das Erwartete zeigt, bevor er weitermacht, statt es anzunehmen.

Warum es 2025 real wurde und nicht 2020

Bildschirmautomatisierung gibt es seit Jahren, aber sie war immer brüchig, weil sie nicht verstehen konnte, was sie ansah. Drei Verschiebungen änderten das, und alle landeten innerhalb eines einzigen Jahres als ausgelieferte Produkte.

1. OpenAI lieferte Operator - Im Januar 2025 veröffentlichte OpenAI Operator, angetrieben von einem Computer-Using-Agent-Modell auf Basis von GPT-4o, das über simulierte Maus- und Tastatureingaben mit Oberflächen interagiert. Branchenanalysten merkten an, dass es ausdrücklich darauf abzielte, KI-Agenten ohne APIs zu erreichen^2,8,16.
2. ChatGPT agent verallgemeinerte es - Im Juli 2025 integrierte OpenAI diese Fähigkeit in ChatGPT als „agent mode“ und kombinierte die Bedienung von Webseiten mit Recherche und mehrstufiger Aufgabenausführung für Pro-, Plus- und Team-Nutzer³.
3. Anthropic machte es zum Entwicklerwerkzeug - Claudes Computer Use lässt Entwickler Agenten bauen, die Screenshots machen, den Cursor bewegen, klicken und tippen - innerhalb der eigenen Infrastruktur, mit einem expliziten Satz von Aktionen für den vollständigen Agent Loop¹.
4. Google optimierte für den Browser - Im Oktober 2025 veröffentlichte Google das Modell Gemini 2.5 Computer Use über seine API, AI Studio und Vertex AI, abgestimmt auf Web- und Mobile-Oberflächen und bereits treibende Kraft hinter Project Mariner^4,5.
5. Die Vision-Modelle wurden gut genug - Das fehlende Stück war ein Modell, das einen überladenen Unternehmensbildschirm tatsächlich lesen und das richtige Feld finden konnte. Das ist jetzt gut genug für echte Arbeit gelöst, wenn auch nicht perfekt.
6. Der Markt preist es ein - Gartner erwartet, dass bis Ende 2026 40 Prozent der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten, gegenüber unter 5 Prozent 2025¹⁴.

Die Fähigkeit ist real und breit verfügbar. Noch nicht gelöst ist die Zuverlässigkeit bei schwerer, offener Arbeit - und genau da muss die Ehrlichkeit ansetzen.

Wo Computer Use zuverlässig ist - und wo nicht

Dies ist der Abschnitt, den die meisten Anbieter-Blogs überspringen. Ein Agentic Browser ist bei der richtigen Aufgabe stark und bei der falschen ein Risiko. Der Unterschied hängt davon ab, wie eng, stabil und überprüfbar die Aufgabe ist.

Die Realität der Zuverlässigkeit

• Agenten erreichten die menschliche Basislinie gerade erst - Auf OSWorld, einem Benchmark mit 369 echten Aufgaben über Browser, Office-Apps und Dateisysteme, liegt die menschliche Leistung bei 72,36 Prozent. Ein Agent erreichte sie erstmals mit 72,6 Prozent im Dezember 2025^6,7. Bei schwerer End-to-End-Arbeit ist die Decke etwa menschlich, nicht übermenschlich.
• Browser-Aufgaben laufen besser als Desktop - Google stimmte sein Modell auf Web und Mobile ab und sagte ausdrücklich, dass die Desktop-OS-Steuerung noch nicht optimiert ist - das zeigt, wo die Grenze noch liegt^4,17.
• Latenz ist real - Google berichtet von rund 225 Sekunden Latenz auf seinem Benchmark-Harness. Das ist gut für nächtliche Stapelarbeit, nicht für etwas, auf das ein Kunde live wartet⁴.
• Prompt Injection ist ein echtes Risiko - Anthropic warnt, dass Claude Anweisungen folgen kann, die in einer Webseite oder einem Bild versteckt sind, selbst wenn sie Ihren widersprechen - ein Agent im offenen Internet kann also manipuliert werden¹.
• Fummelige Steuerelemente bringen es ins Straucheln - Dropdowns und Scrollbalken gelten als schwer zu bedienen, und Klicks können kleine Ziele verfehlen, wenn ein Screenshot herunterskaliert wird¹.
• Es nimmt Erfolg an, wenn man es lässt - Anthropic merkt an, dass das Modell manchmal annimmt, eine Aktion habe funktioniert, ohne es zu prüfen - deshalb ist erzwungene Verifikation nach jedem Schritt wichtig¹.

Agentic Browser vs API vs MCP vs RPA: die richtige Verbindung wählen

Der Agentic Browser ist kein Ersatz für jede andere Art, KI an ein System anzubinden. Er steht am Ende einer Prioritätenreihe: Nutzen Sie die sauberste verfügbare Verbindung und gehen Sie nur dann eine Stufe tiefer, wenn Sie müssen.

1. Direkte API zuerst - Hat das System eine dokumentierte API, nutzen Sie sie. Sie ist die schnellste, zuverlässigste und am besten auditierbare Option, Punkt.
2. MCP, wo möglich - Ein Model-Context-Protocol-Konnektor gibt dem Agenten strukturierten, gesteuerten Zugriff über eine definierte Schnittstelle, was sauberer ist als die Bildschirmbedienung.
3. Agentic Browser, wenn es keine Tür gibt - Für die Legacy- und On-Prem-Systeme ohne API und ohne MCP-Server ist der Bildschirm die einzige Schnittstelle, also bedient man ihn.
4. RPA für stabile Wiederholung mit hohem Volumen - Wo ein starres, durchsatzstarkes Skript bereits zuverlässig läuft und sich die Oberfläche nie ändert, behalten Sie es.

Der Fehler ist, den Agentic Browser als Allheilmittel zu behandeln. Das richtige Design mischt alle vier Methoden und reserviert die Bildschirmbedienung dort, wo sie wirklich die einzige Option ist. Wenn Sie den tieferen Vergleich strukturierter Verbindungen wollen, behandeln wir ihn in unserem Leitfaden zu MCP-Konnektoren.

9 echte Legacy-Szenarien, die ein Agentic Browser bewältigt

Die abstrakte Idee wird schnell konkret, sobald man auf die Systeme schaut, die ein typisches Mittelstandsunternehmen tatsächlich betreibt. Hier sind neun wiederkehrende Situationen, in denen keine API existiert und der Bildschirm der einzige Zugang ist.

• Auftragserfassung in ein altes ERP - Eingehende Aufträge aus E-Mail oder einem modernen Tool lesen und in ein 15 Jahre altes On-Prem-ERP eintippen, das keine Importfunktion hat.
• Zoll- und Exportanmeldungen - In ein Behördenportal einloggen, die Anmeldung aus Ihren Versanddaten ausfüllen und die Referenznummer als Nachweis speichern.
• Aktualisierungen in Lieferantenportalen - Auftragsstatus prüfen und Lieferungen über ein Dutzend verschiedener Lieferantenportale bestätigen, jedes mit eigenem Login und Layout.
• Erfassung von Versicherungsschäden - Schadendetails aus PDFs und E-Mails in eine geschlossene Schadenmanagement-Desktop-Anwendung übertragen.
• Bank- und Zahlungsportale - Kontoauszüge ziehen oder Zahlungsläufe in einem Bankportal erfassen, das keinen Feed bietet, mit menschlicher Freigabe, bevor etwas gesendet wird.
• Garantie- und RMA-Bearbeitung - Rücksendegenehmigungen in einem Herstellersystem anlegen, das nur als Web-Oberfläche hinter einem Partner-Login existiert.
• Stammdatenpflege - Preise, Artikelnummern oder Kundendatensätze über Systeme hinweg aktualisieren, die nie eine Datenbank teilen werden.
• Reporting aus einem Terminal - Zahlen von einem Green-Screen-Terminal oder Mainframe-Emulator ablesen, von dem der letzte Spezialist kurz vor der Rente steht.
• Systemübergreifender Abgleich - Zeile für Zeile vergleichen, was ein System sagt, gegen ein anderes, und die Abweichungen markieren, die ein Mensch lösen muss.

Wie Sie einen Agentic-Browser-Mitarbeiter sicher einführen

Die Fähigkeit ist der leichte Teil. Der Unterschied zwischen einem nützlichen und einem gefährlichen Agenten liegt vollständig darin, wie Sie ihn umreissen, begrenzen und beaufsichtigen. Hier die praktische Reihenfolge.

1. Einen Ablauf ohne API wählen - Starten Sie mit einem einzelnen, gut verstandenen Prozess, für den keine sauberere Verbindung existiert. Widerstehen Sie dem Drang, fünf Dinge auf einmal zu automatisieren.
2. Die echten Schritte abbilden, Ausnahmen inklusive - Schauen Sie der Person zu. Erfassen Sie die Klicks, die Sonderfälle und die ungeschriebenen Regeln, die niemand dokumentiert hat. Daran scheitern die meisten generischen Agenten.
3. Das Unternehmenswissen kodieren - Der Agent muss Ihre Freigabegrenzen, Namenskonventionen und die Bedeutung jedes Feldes kennen. Dieser Kontext lebt im Company Brain, nicht in einem Prompt, den jemand neu eintippt.
4. Die Umgebung absichern - Betreiben Sie den Agenten in einer dedizierten virtuellen Maschine mit minimalen Rechten, beschränken Sie den Internetzugang auf eine Allowlist und halten Sie Zugangsdaten aus dem Modell heraus, wie Anthropic empfiehlt¹.
5. Verifikation nach jedem Schritt erzwingen - Lassen Sie den Agenten das Ergebnis per Screenshot bestätigen, bevor er weitermacht, damit er nie annimmt, ein Klick habe funktioniert¹.
6. Human-in-the-Loop-Checkpoints setzen - Verlangen Sie, dass ein Mensch jede Aktion mit realer finanzieller oder rechtlicher Folge freigibt, bevor sie ausgeführt wird.
7. Zuerst im Parallelbetrieb laufen lassen - Lassen Sie den Agenten den bestehenden Prozess begleiten und die Ergebnisse vergleichen, bevor er etwas live anfasst.
8. Alles protokollieren - Führen Sie eine vollständige Audit-Spur jedes Screenshots, jeder Entscheidung und jeder Aktion, damit jeder Fehler nachvollziehbar und korrigierbar ist.

Wie Superkind passt

Superkind baut KI-Mitarbeiter, die in den Systemen leben, die ein Unternehmen bereits nutzt - eine Schicht über allem, keine Insellösung und kein Tool-Chaos. Der Agentic Browser ist einfach der Teil dieser Schicht, der die Systeme ohne API erreicht. Er ist nie die ganze Geschichte, denn zu wissen, wie man klickt, ist wertlos, ohne Ihr Geschäft zu kennen.

• Angetrieben vom Company Brain - Der Agent bedient Ihre Bildschirme mit Ihren Prozessen, Ihren Daten und Ihren Regeln, nicht mit der Vermutung eines Fremden, wie Ihr ERP funktioniert.
• Erst API und MCP, Bildschirm bei Bedarf - Wir verbinden über die sauberste verfügbare Schnittstelle und nutzen den Agentic Browser nur für die Legacy-Systeme, die keine andere Tür haben.
• Arbeitet mit Ihrem echten Stack - SAP, Salesforce, HubSpot, DATEV, Outlook, SharePoint und jede API-basierte Software, plus die geschlossenen Systeme, die nur einen Bildschirm haben.
• Process-first-Discovery - Wir bilden ab, wie die Arbeit tatsächlich passiert, Ausnahmen inklusive, bevor etwas automatisiert wird.
• Leitplanken als Standard - Isolierte Umgebungen, minimale Rechte, erzwungene Verifikation und menschliche Checkpoints für alles mit hohem Einsatz.
• Live in Wochen, nicht Monaten - Ein einzelner Ablauf ohne API geht in 8 bis 12 Wochen in Produktion, ohne Integrationsprojekt, auf das man wartet.
• DSGVO-fertige Bereitstellung - Daten bleiben in Ihrer Infrastruktur, mit vollständigem Audit-Logging jeder Aktion des Agenten.
• Ergebnisse statt Platzlizenzen - Die Abrechnung hängt an der geleisteten Arbeit, nicht an der Zahl der Logins, was die Seat-Falle vermeidet.

Entscheidungsrahmen: Sollten Sie einen Agentic Browser nutzen?

Nicht jedes Automatisierungsproblem verlangt nach Bildschirmbedienung. Dieser Rahmen hilft Ihnen zu entscheiden, ob ein Agentic Browser die richtige oder die falsche Antwort ist.

Häufig gestellte Fragen

Verwandte Artikel

• MCP-Konnektoren im Überblick: KI-Agenten an ERP, CRM und SharePoint anbinden
• Die Copy-Paste-Ökonomie: Wie viel vom Tag Ihres Teams nur das Bewegen von Daten zwischen Systemen ist
• Data Gravity: Warum Ihr Unternehmenswissen dort leben sollte, wo Ihre KI arbeitet
• Die Seat-Falle: Warum mehr SaaS-Lizenzen keine Kapazität schaffen
• Selbst bauen oder kaufen? Der ehrliche Vergleich für KI-Agenten im Unternehmen
• Die Ramp-up-Kurve des Company Brain: Wie lange, bis KI Ihr Unternehmen wirklich kennt

Henri Jung

Co-Founder von Superkind, wo er KMU und Konzernen hilft, maßgeschneiderte KI-Agenten einzusetzen, die wirklich zu der Arbeitsweise ihrer Teams passen. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schließen. Er hat viel Zeit mit mittelständischen Unternehmen verbracht, deren wichtigste Software keine API hat, und ist überzeugt: Der Mittelstand hat alles, um bei KI vorne zu sein - er braucht nur den richtigen Ansatz.