Der Engpass sitzt nicht mehr im Chat
Ein Beispiel: Eine Sachbearbeiterin öffnet das Portal eines Lieferanten, sucht das Feld „Liefertermin“, trägt ein Datum ein und bestätigt. Genau das können Computer Use Agenten Unternehmen übernehmen. Sie sehen die Oberfläche, erkennen den Zustand und klicken, tippen oder scrollen wie ein Mensch — auch dann, wenn dazwischen ein Cookie-Banner auftaucht, ein zweiter Tab offen ist oder eine Schaltfläche etwas verrutscht.
Für Entscheider im Mittelstand ist das keine Spielerei. Viel operative Arbeit läuft weiter in Systemen ohne saubere Schnittstelle. API heißt: eine technische Andockstelle, über die zwei Programme direkt Daten austauschen. Oft ist diese Andockstelle zu teuer, zu langsam oder zu lückenhaft. Also arbeitet der Mensch weiter in der Bildschirmmaske.
Dort endet der Nutzen der bisherigen Agenten. Ein Chatbot entwirft eine Antwort. Ein API-Agent legt einen Datensatz an, wenn das Zielsystem mitspielt. Ein Computer-Use-Agent arbeitet auch dann weiter, wenn es keine Schnittstelle gibt. Das klingt nach dem Ende von Integrationsprojekten. Es ist eher der Beginn einer neuen Steuerungsfrage: Wer darf klicken? Und was passiert, wenn der Klick falsch war?
Computer Use Agenten Unternehmen: vier Bauformen — Chat, API, RPA und Computer Use
Ohne klare Begriffe vermischen sich in Vorstandsrunden Technologien, die unterschiedlich reif und unterschiedlich riskant sind. Die Unterscheidung ist der erste Entscheidungsfilter.
Chat-Agent: Der Nutzer führt das Gespräch. Das Modell plant im Text und ruft höchstens einzelne Werkzeuge auf. Gut für Recherche, Entwürfe und interne Auskünfte. Schlecht, sobald der nächste Schritt eine Eingabemaske ist.
API-Agent: Das Modell spricht über feste Schnittstellen mit den Systemen. Zustand, Rechte und Protokolle sind kontrollierbar. Das ist der bevorzugte Weg, sobald eine Schnittstelle existiert — und der Weg, den wir in der Einordnung zu Agentic AI als Standard empfehlen.
RPA: Die Abkürzung steht für Robotic Process Automation, also Klick-Automatisierung nach festem Drehbuch. Ein Bot folgt einem starren Pfad aus Koordinaten, Kennzeichnungen und Wartezeiten. Ändert sich die Maske, bricht der Lauf ab. RPA bleibt sinnvoll, wo der Ablauf wirklich immer gleich ist — etwa bei einem stets identischen Exportfenster.
Computer Use: Das Modell sieht die Bildpunkte des Bildschirms oder den Strukturbaum der Oberfläche. Dieser Baum ist eine technische Beschreibung, welche Elemente auf dem Bildschirm liegen und wozu sie dienen. Das Modell entscheidet dann nach Bedeutung: „Das ist der Speichern-Button.“ Kleine Änderungen an der Oberfläche übersteht es besser als RPA. Sicher ist es trotzdem nicht: Es kann das falsche Feld füllen, ein Hinweisfenster übersehen oder personenbezogene Daten im Screenshot mitschleppen.
Die praktische Folge: Computer Use ersetzt keine Integrationsarchitektur. Es ist die Brücke für die restlichen rund 20 Prozent der Prozesse, die sich nicht wirtschaftlich anbinden lassen. Nur dorthin sollte Budget fließen. Was per Schnittstelle oder per sauberem RPA-Skript geht, sollte auch so gelöst werden. Weniger Interpretation, weniger Überraschung, klarere Protokolle.
Drei Voraussetzungen, bevor der erste Desktop-Agent klickt
Demos zeigen gern einen Agenten, der in fünf Minuten eine Reise bucht. Im Mittelstand scheitern dieselben Demos an drei Punkten. Die müssen vor dem Pilotprojekt geklärt sein, nicht danach.
1. Der Prozess muss von außen nachvollziehbar sein
Ein Computer-Use-Agent kann nicht „das machen, was Frau Meier immer macht“. Er braucht eine Entscheidungslogik, die ein Außenstehender versteht. Welche Felder sind Pflicht? Welche Werte sind erlaubt? Wann wird abgebrochen? Steckt der Ablauf nur im Kopf der Fachkraft, digitalisieren Sie Improvisation. Schreiben Sie den Zielprozess so auf, dass eine neue Kollegin ihn am zweiten Tag korrekt ausführen könnte. Das ist die Spezifikation. Alles darunter ist eine Demo.
2. Die Verbote müssen härter sein als bei Chat-Agenten
Ein falscher Satz im Chat ist peinlich. Ein falscher Klick in SAP löst eine Buchung, eine Bestellung oder eine Änderung an Stammdaten aus. Stammdaten sind die Grunddaten zu Kunden, Lieferanten und Artikeln, auf die viele Prozesse zugreifen.
Legen Sie deshalb vor dem Start eine Negativliste an: Welche Webadressen, Transaktionen und Schaltflächen darf der Agent niemals anfassen? Begrenzen Sie jede Sitzung auf ein System, ein Konto mit möglichst wenigen Rechten und ein festes Zeitfenster. Speichern Sie jeden Schritt mit Screenshot und Aktion in einem Protokoll, das Fachbereich und IT gemeinsam lesen können. Ohne diese Grenzen ist Computer Use kein Effizienzhebel, sondern ein unkontrollierter Fernzugriff auf Ihre Systeme.
3. Unumkehrbare Aktionen brauchen einen Menschen
„Human-in-the-Loop“ heißt: Ein Mensch bleibt an einer festen Stelle im Ablauf eingebaut. Das ist hier keine Haltung, sondern Betriebsregel. Speichern, Senden, Buchen, Freigeben, Löschen: Der Agent bereitet vor, der Mensch bestätigt. Erst wenn dieselbe Aktion in einem engen Rahmen hundertfach korrekt gelaufen ist, kann die Freigabe an Schwellenwerte gekoppelt werden — etwa automatisch nur unter einem bestimmten Betrag oder nur bei bekannten Lieferanten. Wer diese Stufe überspringt, kauft eine Woche Wow-Effekt und drei Monate Nacharbeit.
Wo der Einstieg 2026 realistisch ist
Nicht jede Maske verdient einen Desktop-Agenten. Geeignet sind Vorgänge, die häufig vorkommen, bei denen ein Fehlklick begrenzt schadet und bei denen das Zielsystem keine brauchbare Schnittstelle hat. Drei Muster sehen wir regelmäßig:
Portale ohne Schnittstelle: Lieferanten-Webshops, Behördenformulare, Kundenportale. Überall dort tippt die Sachbearbeitung Daten ab. Der Agent füllt vor, der Mensch sendet ab.
Excel als Schatten-ERP: Listen wandern zwischen Fachbereichen, bevor jemand sie ins führende System überträgt. Der Agent liest die Zeilen und überträgt sie Feld für Feld. Vor dem Speichern stoppt er.
SAP-Masken und ähnliche Altsysteme: Nur dort, wo eine echte Anbindung unverhältnismäßig teuer wäre und der Ablauf eng umrissen ist. Der Satz „der Agent bedient SAP“ ist 2026 Marketing, kein Betriebskonzept.
Bewusst draußen bleiben: Zahlungsfreigaben, Massenänderungen an Stammdaten, Zugriffe auf Gesundheits- oder Personalakten und alles mit Außenwirkung ohne zweite Prüfung. Dafür gibt es gesteuerte Workflows und Schnittstellen — keine Pixelsteuerung. Wer den ersten Piloten so zuschneidet, hat nach sechs bis zehn Wochen eine belastbare Antwort: Lohnt sich die Brücke, oder zahlen wir besser für die Schnittstelle?