Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Browser-Agent

Ein Browser-Agent ist ein KI-Agent, der einen Webbrowser steuert, um Aufgaben zu erledigen, etwa suchen, klicken, Formulare ausfüllen und Seiten lesen, oft mit einem Headless-Browser ohne sichtbares Fenster.

Auch: headless browser, browser automation

Von Divya Sharma · Geprüft am 15. Nov. 2026 · So testen wir

Ein großer Teil des Webs hat keine API. Ein Browser-Agent arbeitet über dieselben Seiten, die ein Mensch nutzt.

So funktioniert es

Der Agent steuert einen echten Browser über eine Automatisierungsbibliothek wie Playwright, die Chromium, Firefox und WebKit ausführen kann, standardmäßig headless. Bei jedem Schritt liest der Agent die Seite, entweder als vereinfachte Fassung ihrer Struktur oder als Screenshot, und fordert dann eine Aktion an: eine URL aufrufen, ein Element anklicken, Text eingeben. Die Automatisierungsschicht führt sie aus und gibt den neuen Zustand der Seite zurück.

Ein Headless-Browser ist der Browser, der ohne Fenster läuft. Er ist die Infrastruktur, nicht der Agent; auch Scraper und Testsuiten nutzen ihn. Zu den Tools für Agenten gehören der Playwright-MCP-Server, Browser Use und Stagehand sowie gehostete Browserdienste wie Browserbase.

Der Unterschied zu verwandten Begriffen

Web-Crawling sammelt Seiten in großem Maßstab und interagiert nicht mit ihnen. Computer Use steuert per Screenshots einen ganzen Desktop, nicht nur einen Browser.

Grenzen

Webaufgaben bleiben schwer. Beim WebArena-Benchmark mit realistischen Websites erledigte der beste GPT-4-basierte Agent im ursprünglichen Paper 14,41% der Aufgaben, gegenüber 78,24% bei Menschen. Logins, Captchas und wechselnde Layouts bringen Agenten aus dem Tritt. Jede Seite ist nicht vertrauenswürdige Eingabe, ein Browser-Agent ist also ein häufiges Ziel für Prompt Injection.

Verwandte Begriffe

Computer Use
Computer Use (Computersteuerung) ist die Fähigkeit eines KI-Modells, einen Computer so zu bedienen wie ein Mensch, indem es Screenshots betrachtet und Mausklicks und Tastatureingaben sendet, damit es mit Software arbeiten kann, die keine API hat.
Web-Crawling für KI
Web-Crawling für KI ist das automatisierte Abrufen von Webseiten, indem Links oder einer Liste von URLs gefolgt wird, um Text für das Training von Modellen zu sammeln, Suchindizes aufzubauen oder einer Anwendung frische Inhalte zum Abrufen zu geben.
KI-Agent
Ein KI-Agent (AI Agent) ist ein System, in dem ein Sprachmodell seine nächsten Schritte selbst bestimmt: Es ruft Tools auf, liest die Ergebnisse und wiederholt das, bis die Aufgabe erledigt ist, statt einem festen Skript zu folgen.
BrowseComp
BrowseComp ist ein Benchmark von OpenAI mit 1.266 schweren Fragen, der prüft, ob ein Browsing-Agent beharrlich im Web nach verworrenen, schwer auffindbaren Fakten suchen kann, mit kurzen Antworten, die leicht zu prüfen sind.
Prompt Injection
Prompt Injection ist ein Angriff, bei dem Text, der einem Sprachmodell zugeführt wird, von einem Nutzer eingetippt oder in einer Webseite, Datei oder einem Tool-Ergebnis versteckt, das Verhalten des Modells auf eine Weise ändert, die sein Entwickler nicht vorgesehen hat.

Quellen