Amazon Nova Act im Test: ein SDK in der Research Preview für Agenten, die einen Webbrowser bedienen

Update, 23. Oktober 2026: Nova Act ist keine Research Preview mehr. AWS hat es auf der re:Invent im Dezember 2025 zu einem allgemein verfügbaren Dienst gemacht, der auf einem angepassten Modell Amazon Nova 2 Lite läuft; die Angaben aus der Preview-Zeit hier sind daher veraltet.

Skripte zur Browserautomatisierung brechen, sobald eine Website einen Button verschiebt. Amazon Nova Act war Amazons Versuch, das zu beheben: ein KI-Modell plus ein Software Development Kit (SDK), gebaut von Amazon Artificial General Intelligence (AGI), mit dem Entwickler Agenten schreiben können, die in einem Webbrowser arbeiten. Der Agent liest die Seite, findet die richtigen Buttons und Formulare und erledigt Aufgaben wie das Einreichen eines Abwesenheitsantrags oder das Auslesen von Daten aus einer Website.

Zum Zeitpunkt des Schreibens war es eine Research Preview. Du beschreibst jeden Schritt in normaler Sprache, und das Modell ermittelt, was es anklicken muss; so kommt der Agent mit Layoutänderungen zurecht, an denen ein handgeschriebenes Skript scheitern würde.

Quellen:

• Introducing Amazon Nova Act | Amazon AGI Labs
• Amazon Nova: Explore Amazon's Latest AI Capabilities

Was es kann

• Handelt im Browser. Der Agent klickt, tippt und navigiert für dich, was bei wiederkehrender Arbeit Zeit spart und Tippfehler vermeidet. Er läuft auf dem Modell Nova Act, einer Version von Amazons großem Sprachmodell (LLM) Nova, die darauf trainiert ist zu verstehen, wie Webseiten aufgebaut sind.
• Nimmt Anweisungen in normaler Sprache an. Du sagst ihm in einem Satz, was es tun soll, und das Nova-Modell macht daraus Aktionen.
• Kommt mit Seitenänderungen zurecht. Weil das Modell über Layouts hinweg verallgemeinert, bedeutet ein Redesign nicht, das Skript neu zu schreiben.
• Python für den Rest. Eigene Logik und die Anbindung anderer Systeme ergänzt du in Python, auch mit Frameworks wie LangChain für längere Workflows.
• Baut auf Playwright auf. Playwright, die Open-Source-Bibliothek für Browserautomatisierung, steuert den Browser selbst, sodass es mit Chrome und Firefox funktioniert.
• Zerlegt große Aufgaben in Schritte. Eine komplexe Aufgabe wird in kleinere Aktionen aufgeteilt, was leichter erkennen lässt, wo etwas schiefging.
• Ruft APIs auf. Agenten können auch Daten von externen Diensten über API-Aufrufe abrufen.

Wofür du es nutzen könntest

Weil Nova Act noch eine Preview war, hatten wenige Unternehmen öffentlich gesagt, wie sie es nutzen. Amazons eigene Beispiele und die naheliegenden nächsten Schritte sehen so aus:

• Einkaufen. Produkte suchen, Preise vergleichen und kaufen. Amazons Demo sucht auf Amazon nach einer Kaffeemaschine, wählt das erste Ergebnis und legt es in den Warenkorb. LangChain könnte für größere Aufgaben mehrere Agenten koordinieren.
• Büroverwaltung. Abwesenheitsnotizen einrichten, Kalender verwalten und interne Formulare ausfüllen; zum Beispiel einen Abwesenheitsantrag einreichen und einen Termin im Kalender blocken.
• Daten sammeln. Informationen für Marktforschung von Websites holen, etwa Wohnungsanzeigen sammeln und ausrechnen, wie weit jede von einem Bahnhof entfernt ist.
• Kundensupport. Sich durch Supportportale bewegen, Tickets anlegen und in Wissensdatenbanken nachschlagen.
• Testen. QA-Teams können Interaktionen mit Web-Apps und Browserspielen skripten; laut Amazon kann Nova Act Webspiele spielen, die es noch nie gesehen hat.

Was funktioniert

• Skripte, die sich auf eine feste Seitenstruktur verlassen, brechen, wenn sich eine Seite ändert; Nova Act liest die Seite jedes Mal, also ist weniger Pflege nötig.
• Schritte in normaler Sprache senken die Hürde für Leute, die keine Automatisierungsspezialisten sind.
• Es nutzt Werkzeuge, die Entwickler schon kennen: Python und Playwright.
• Die Aufteilung in Schritte macht Fehler leichter zu debuggen.
• Das SDK ist Open Source unter der Lizenz Apache 2.0.
• Es passt zu AWS-Diensten wie Amazon Bedrock, was Teams hilft, die schon auf AWS sind.

Der Haken

• Die Formulierung zählt. Die Ergebnisse hängen stark davon ab, wie du jede Anweisung formulierst, es gibt also eine Prompting-Fähigkeit zu lernen. Bessere Prompt-Werkzeuge oder die Kombination mit einem Modell wie GPT-4 von OpenAI, das die Anweisungen schreibt, könnten helfen.
• Es macht Fehler. Als Research Preview irrt es sich, besonders auf komplexen oder unbekannten Websites. Training mit Nutzerfeedback sollte das mit der Zeit verbessern.
• Prompt Injection. Eine bösartige Website kann Anweisungen platzieren, die den Agenten zu Aktionen drängen, um die du nicht gebeten hast, oder dazu, Daten preiszugeben.
• Nur Browser. Es steuert keine Desktop-Anwendungen, was Computer Use von Anthropic kann.

Im Vergleich

Die nächsten Konkurrenten waren damals Operator von OpenAI und Computer Use von Anthropic.

Merkmal	Amazon Nova Act	OpenAI Operator	Anthropic Computer Use
Hauptaufgabe	Webbrowser-Automatisierung	Web-Aufgaben	Allgemeine Computernutzung, einschließlich Web
Modell	Amazon Nova LLM	GPT-4o mit Computer-Using Agent (CUA)	Claude 3.5 Sonnet
Nutzung	SDK mit Python und Playwright	In ChatGPT, einfacher Einstieg	API-Zugang, erfordert Einrichtung
Aufgabentypen	Web-Aufgaben wie Formulare ausfüllen	Web-Aufgaben wie Buchen und Einkaufen	Breit, einschließlich Desktop-Apps
Umgang mit Änderungen	Passt sich an Seitenänderungen an	Überlegt und korrigiert sich selbst	Liest den Bildschirm und handelt
Was das Modell tut	Nova LLM versteht Webseiten	GPT-4o für Schlussfolgern und Sehen	Claude interpretiert den Bildschirm

Operator ist am einfachsten für den Einstieg, weil es in ChatGPT steckt. Nova Act ist für Entwickler, die den Agenten in Code schreiben wollen. Computer Use braucht die meiste Einrichtung, kann aber auch außerhalb des Browsers arbeiten.

Preise

Während der Research Preview war das SDK mit einem API-Key zum Experimentieren über Amazon Nova Act verfügbar, und Amazon hatte keine Preise angekündigt. Angesichts der Nähe zu AWS schien eine nutzungsabhängige Abrechnung wie bei Amazon Bedrock wahrscheinlich. Zum Vergleich: Operator von OpenAI war im Abo ChatGPT Pro (20 $/Monat) enthalten, und Computer Use von Anthropic wurde pro Nutzung über die API abgerechnet.

Unser Fazit: Nova Act war eine vielversprechende Preview für Entwickler, die schon auf AWS waren und genug von brüchigen Playwright-Skripten hatten, sofern sie seine Arbeit prüften und es von nicht vertrauenswürdigen Websites fernhielten. Wir haben es mit 4/5 bewertet.