Bisher galt eine einfache Arbeitsteilung: Das Sprachmodell erklärt, der Mensch klickt. Mit Modellen, die den Rechner selbst bedienen, verschiebt sich diese Grenze. Ein aktueller Praxistest von Golem.de beschreibt GPT-6 Astra als Modell, das Aufgaben unmittelbar am Bildschirm ausführt — genannt werden das Sortieren des Download-Ordners, die Reparatur eines stummen Mikrofons und das Einrichten eines Rechners.

Das sind unspektakuläre Beispiele, und genau das macht sie interessant. Es geht nicht um kreative Textarbeit, sondern um jene kleinteiligen Tätigkeiten, die in Unternehmen täglich anfallen und selten dokumentiert sind.

Was ein Computer-Agent technisch anders macht

Ein klassischer Chat-Assistent liefert Text zurück. Ein Computer-Agent — also ein KI-System mit Zugriff auf Maus, Tastatur und Bildschirminhalt — arbeitet stattdessen in Schleifen: Bildschirm ansehen, nächsten Schritt festlegen, Aktion ausführen, Ergebnis prüfen. Statt einer Anleitung entsteht eine Kette tatsächlicher Eingriffe im Betriebssystem.

Der Unterschied ist grundlegend. Ein falscher Satz in einer Antwort kostet Lesezeit. Ein falscher Klick in den Systemeinstellungen oder im Dateisystem kann Konfigurationen verändern und Daten verschieben. Wer solche Agenten einsetzt, bewegt sich damit von der Informationsbeschaffung in die Ausführung — und braucht entsprechend andere Sicherheitsnetze.

Die Aufgabentypen im Blick

Die drei Beispiele aus dem Praxistest stehen für unterschiedliche Schwierigkeitsgrade, und diese Unterscheidung hilft bei der eigenen Einschätzung:

  • Dateien sortieren ist gut umkehrbar und leicht zu prüfen. Das Ergebnis ist sichtbar, Fehler lassen sich meist ohne Schaden korrigieren.
  • Ein stummes Mikrofon reparieren ist eine Diagnoseaufgabe. Die Ursache kann in den Systemeinstellungen, in einer Anwendung oder an der Hardware liegen — hier zählt, ob der Agent systematisch eingrenzt statt zu raten.
  • Einen Rechner einrichten ist die anspruchsvollste Kategorie: viele Schritte, viele Abhängigkeiten, und ein Fehler am Anfang wirkt sich auf alles Folgende aus.

Für die Praxis heißt das: Je länger die Kette und je schwerer ein Zwischenschritt zu überprüfen ist, desto genauer sollte man hinsehen, bevor man Verantwortung abgibt.

Wo die Automatisierung im Alltag ansetzt

Interessant sind Computer-Agenten dort, wo bisher keine Schnittstelle existiert. Viele Routineaufgaben in Unternehmen laufen über Oberflächen, die nie für Automatisierung gedacht waren: Altsysteme ohne API, Portale von Dienstleistern, Desktop-Werkzeuge ohne Skriptzugriff. Klassische Automatisierung scheitert hier regelmäßig an der fehlenden Anbindung.

Ein Agent, der wie ein Mensch am Bildschirm arbeitet, umgeht dieses Problem. Das ist gleichzeitig seine Schwäche: Er ist von genau jener Oberfläche abhängig, die sich beim nächsten Update ändern kann. Wo eine stabile Schnittstelle vorhanden ist, bleibt die direkte technische Anbindung die robustere und nachvollziehbarere Lösung.

Fragen, die vor dem Einsatz zu klären sind

Bevor ein solches Werkzeug im Unternehmen landet, lohnen sich ein paar nüchterne Vorüberlegungen:

  1. Welche Rechte braucht der Agent wirklich? Ein eigenes Benutzerkonto mit eng begrenzten Zugriffen ist etwas anderes als die Ausführung im Administratorkontext auf einem Arbeitsplatz mit Zugang zu Fachanwendungen.
  2. Welche Daten sieht das Modell? Ein Agent, der den Bildschirm auswertet, erfasst potenziell alles, was gerade geöffnet ist — auch geöffnete Mails, Kundendaten oder Passwortfelder. Das ist eine datenschutzrechtliche Frage, nicht nur eine technische.
  3. Was ist nachvollziehbar? Ohne Protokoll der ausgeführten Schritte lässt sich im Fehlerfall kaum rekonstruieren, was passiert ist.
  4. Wo liegt die Freigabegrenze? Sinnvoll ist ein klar definierter Punkt, an dem ein Mensch bestätigt — etwa vor dem Löschen, vor Systemänderungen, vor dem Versenden von Daten nach außen.
  5. Lohnt sich der Aufwand überhaupt? Bei Aufgaben, die dreimal im Jahr anfallen, ist die manuelle Erledigung meist günstiger als die Betreuung eines Agenten.

Realistische Erwartungen statt Grundsatzdebatte

Die praktisch relevante Frage lautet nicht, ob solche Modelle den Rechner bedienen können — das ist offensichtlich der Fall. Sie lautet, wie zuverlässig sie es tun und ob die Prüfung des Ergebnisses weniger Zeit kostet als die Aufgabe selbst. Genau hier entscheidet sich der Nutzen im Arbeitsalltag.

Ein sinnvoller Einstieg sind daher Aufgaben mit drei Eigenschaften: Sie sind umkehrbar, ihr Ergebnis ist in Sekunden zu prüfen, und sie berühren keine sensiblen Daten. Aufräumarbeiten in Dateiablagen, wiederkehrende Exporte, die Vorbereitung von Testumgebungen. Wer dort Erfahrung sammelt, kann den Rahmen schrittweise erweitern — und merkt früh, welche Aufgabentypen in der eigenen Umgebung tatsächlich tragfähig sind.

Auffällig ist ohnehin, dass solche Tests weniger über das Modell aussagen als über die Prozesse. Wenn ein Agent an einer Aufgabe scheitert, liegt das oft daran, dass Zuständigkeiten, Namenskonventionen oder Ablagestrukturen unklar sind. Diese Klärung ist auch ohne KI ein Gewinn.

Was das für Web- und Softwareprojekte bedeutet

Für die Projektpraxis rücken zwei Punkte nach vorn: Anwendungen sollten stabile, dokumentierte Schnittstellen anbieten, damit Automatisierung nicht auf dem Umweg über die Oberfläche stattfinden muss. Und Berechtigungskonzepte brauchen eine Rolle für nicht-menschliche Akteure, die eng zugeschnitten und protokolliert ist. Wer beides früh mitdenkt, kann Agenten später gezielt einsetzen, statt sie nachträglich an einer Architektur vorbeizubauen, die nie für sie gedacht war.

Quellen