Computer Use vs. Agent-native Architektur: Die richtige Automatisierungshierarchie für KMU
Computer Use verspricht, dass KI-Agenten jeden Bildschirm bedienen können – auch alte Branchensoftware ohne API. Aber voller Computerzugriff ist ein Sicherheitsrisiko, kein Standardwerkzeug. Für Unternehmen, die KI produktiv einsetzen wollen, ist die entscheidende Frage nicht „Kann ein Agent meinen Bildschirm bedienen?", sondern „Welcher Automatisierungsbaustein ist für diese Aufgabe am sichersten, wartbarsten und skalierbarstem?" Die Antwort liegt in einer klaren Hierarchie: API zuerst, dann MCP/CLI, dann Browser Use, Computer Use nur als letzte Option.
Einordnung
Die Fähigkeit von KI-Agenten, Bildschirme, Maus und Tastatur zu bedienen, wird als nächster großer Automatisierungsschritt diskutiert. Gerade für Unternehmen mit älterer Branchensoftware ohne moderne Schnittstellen klingt das nach einer Lösung für ein echtes Problem. Aber die Risiken sind erheblich: Prompt Injection, unkontrollierte Systemzugriffe, fehlende Reproduzierbarkeit und schwer nachvollziehbare Fehler. Parallel entstehen Agent-native Bausteine – API, MCP, CLI, Webhooks, Agentmail, Browser Use – die sicherer, wartbarer und skalierbarer sind. Die strategische Frage für Unternehmen lautet daher nicht, ob Computer Use möglich ist, sondern wann es die einzige Option ist – und wie man alle anderen Optionen systematisch zuerst prüft.
ETERNUM-Analyse
Computer Use bezeichnet die Fähigkeit eines KI-Agenten, einen Computer so zu bedienen, wie ein Mensch es täte: Bildschirm lesen, Mauszeiger bewegen, Felder ausfüllen, Buttons klicken, Menüs navigieren. Die aktuelle Codex-Entwicklung zeigt, dass diese Fähigkeit zunehmend verfügbar wird. Im Kontext von „Record and Replay" kann ein Agent sogar einen menschlichen Arbeitsablauf beobachten und daraus einen wiederverwendbaren Skill erzeugen. Das klingt nach einem Durchbruch für jede Branche, in der Mitarbeiter täglich mit Software arbeiten, die keine API hat – also für einen Großteil des österreichischen Mittelstands. Buchhaltungssysteme, Praxisverwaltungssoftware, CRM-Altsysteme, ERP-Terminals, Immobilienverwaltungstools: Viele dieser Systeme wurden vor dem API-Zeitalter entwickelt und bieten keinen programmatischen Zugriff.
Die Risiken von Computer Use sind allerdings fundamental. Ein Agent mit Bildschirmzugriff kann potenziell alles tun, was ein Mensch am Computer tun kann – einschließlich Aktionen, die nicht beabsichtigt waren. Prompt Injection ist dabei das größte Risiko: Ein Agent, der eine Website liest, eine E-Mail öffnet oder ein PDF verarbeitet, kann auf manipulierte Inhalte stoßen, die sein Verhalten umlenken. Bei einem Agent mit Leserechten ist das ärgerlich; bei einem Agent mit Computerzugriff kann es geschäftsschädigend sein. Ein falsch geöffnetes Programm, eine unbeabsichtigte Dateiänderung, eine versehentlich gesendete E-Mail, eine fehlerhafte Buchung – die möglichen Konsequenzen reichen von Datenverlust bis zu rechtlichen Problemen.
Die Agent-native Alternative besteht aus einer abgestuften Hierarchie von Automatisierungsbausteinen, die jeweils unterschiedliche Sicherheits- und Kontrolleigenschaften haben. An der Spitze stehen APIs: direkte, typisierte, dokumentierte Schnittstellen mit klaren Rechten und Antworten. Danach folgen MCP-Server (Model Context Protocol), die standardisierte Tool-Schnittstellen für Agenten bereitstellen. CLI-Tools bieten kommandozeilenbasierte Automation mit reproduzierbaren Ergebnissen. Webhooks ermöglichen ereignisbasierte Reaktionen zwischen Systemen. Agentmail – eine separate Agenten-Inbox – ermöglicht E-Mail-basierte Workflows, ohne dass der Agent Zugriff auf die persönliche Inbox braucht. Browser Use erlaubt gezielte Webinteraktionen mit begrenztem Scope. Und erst ganz am Ende steht Computer Use – als kontrolliertes Sonderwerkzeug, nicht als Standard.
Für Unternehmen ergibt sich daraus eine praktische Entscheidungslogik: Bevor Computer Use überhaupt in Betracht kommt, sollte systematisch geprüft werden, ob die Aufgabe nicht durch einen höherrangigen Baustein gelöst werden kann. Gibt es eine API? Gibt es einen MCP-Server? Kann man ein CLI-Tool nutzen? Gibt es einen Webhook? Kann man einen separaten Agenten-Kanal einrichten? Kann Browser Use den Webzugriff abdecken? Erst wenn alle diese Optionen ausgeschlossen sind, ist Computer Use gerechtfertigt – und dann nur mit Sandbox, Testaccount, Logging, menschlicher Freigabe und klarer Rollenbegrenzung.
Googles Agent Resource Discovery (ARD) zeigt, wohin die Entwicklung geht: Websites und Dienste können künftig maschinenlesbar veröffentlichen, welche Skills, APIs, Tools und Identitäten Agenten nutzen können. Das ist der Beginn eines Agenten-Webs, in dem Systeme nicht per Bildschirmsteuerung, sondern per standardisierter Schnittstelle kommunizieren. Für Unternehmen heißt das perspektivisch: Die eigene digitale Präsenz wird nicht nur für Menschen und Google gebaut, sondern auch für Agenten – mit strukturierten Daten, klaren Leistungsbeschreibungen, maschinenlesbaren Kontaktwegen und eindeutigen Schnittstellen.
Praxistransfer
Erstellen Sie für jedes Automatisierungsprojekt eine Baustein-Checkliste: API verfügbar? MCP-Server vorhanden? CLI-Option? Webhook möglich? Agentmail sinnvoll? Browser Use ausreichend? Erst wenn alle Punkte mit Nein beantwortet sind, kommt Computer Use in Frage. Diese Prüflogik schützt vor unnötiger Komplexität und Sicherheitsrisiken.
Falls Computer Use unvermeidbar ist, definieren Sie klare Leitplanken: dedizierter Testaccount (nie persönliche Zugangsdaten), Sandbox-Umgebung, vollständiges Logging aller Aktionen, menschliche Freigabe vor kritischen Aktionen, kein Zugriff auf E-Mail-Postfächer oder Finanzsysteme ohne explizite Genehmigung pro Vorgang.
Prüfen Sie bei Bestandssoftware ohne API, ob der Hersteller einen CSV-Export, einen Webhook oder eine CLI-Schnittstelle anbietet. Oft gibt es Optionen, die nicht aktiv beworben werden, aber für Agentenintegration genügen. Ein einfacher Datenexport, der per Cron-Job automatisiert wird, ist fast immer sicherer und wartbarer als Bildschirmsteuerung.
Denken Sie Ihre Unternehmenswebsite als Agenten-Schnittstelle mit: Sind Leistungen klar maschinenlesbar beschrieben? Gibt es strukturierte Daten? Sind Kontaktwege eindeutig definiert? Sind FAQs sauber formatiert? Kann ein Agent Ihr Unternehmen verstehen und korrekt weiterempfehlen? Das wird in den kommenden Jahren zu einem konkreten Wettbewerbsfaktor.
Management-Fazit
- Computer Use ist das am meisten überschätzte Feature der aktuellen Agenten-Generation. Die Fähigkeit, einen Bildschirm zu bedienen, klingt nach universeller Automatisierung, ist aber in der Praxis ein Sicherheitsrisiko, das nur unter strenger Kontrolle eingesetzt werden sollte. Die sicherere, wartbarere und skalierbarere Alternative sind Agent-native Bausteine: API, MCP, CLI, Webhooks und Browser Use.
- Für den österreichischen Mittelstand mit seiner Vielfalt an Legacy-Systemen ist das ein realer Zielkonflikt: Einerseits gibt es echten Bedarf an Automatisierung für Software ohne Schnittstelle. Andererseits ist die sichere Lösung nicht die spektakulärste. Die professionelle Positionierung lautet: Wir automatisieren bevorzugt über sichere Schnittstellen und agentische Bausteine. Bildschirmsteuerung setzen wir nur kontrolliert ein, wenn keine bessere Alternative verfügbar ist.
- Agent Resource Discovery zeigt die Richtung: Die Zukunft der Automatisierung liegt nicht in der Simulation menschlicher Klicks, sondern in standardisierten Agenten-Schnittstellen. Unternehmen, die früh in maschinenlesbare Strukturen investieren, werden leichter in agentische Ökosysteme integrierbar sein. Die Architekturhierarchie – API vor MCP vor CLI vor Browser Use vor Computer Use – ist dabei der operative Standard für jeden produktiven Agenten-Einsatz.
Analyse auf Basis eines deutschsprachigen YouTube-Videos zu Codex-Updates (Record & Replay Skills, Computer Use), Agent Resource Discovery (Google ARD-Standard) und der praktischen Risikobewertung von Computer Use vs. Agent-nativen Automatisierungsbausteinen. Strategische Einordnung, Bewertung und Übertragung auf ETERNUM stammen von Ernst Schrempf, ETERNUM.
KI sinnvoll einsetzen?
Lassen Sie uns in einem kurzen Gespräch klären, wie KI-gestützte Lösungen konkret in Ihrem Betrieb funktionieren können.
Potenzial-Check anfragen
