Begriff
Browser Use
Browser Use bezeichnet KI-Agenten, die einen echten Webbrowser steuern — navigieren, klicken, Formulare ausfüllen, Inhalte auslesen — um Aufgaben im Web autonom zu erledigen. Der Browser ist dabei Werkzeug und Wahrnehmungsfläche zugleich.
Browser Use — ausführlich erklärt
Browser Use beschreibt das Muster, bei dem ein KI-Agent einen Webbrowser als ausführende Umgebung nutzt, um mehrstufige Aufgaben im Web zu lösen. Der Agent erhält den Zustand der Seite — als Screenshot, als bereinigten DOM-Baum (oft als Accessibility-Tree) oder beides — und gibt Aktionen zurück: eine URL öffnen, ein Element anklicken, Text eingeben, scrollen oder den sichtbaren Inhalt extrahieren. Eine Steuerungsschicht wie Playwright oder Puppeteer führt diese Aktionen in einer realen Browser-Instanz aus und liefert den neuen Seitenzustand zurück.
Der Begriff ist auch durch das gleichnamige Open-Source-Projekt Browser Use populär geworden, das LLMs eine standardisierte Schnittstelle zur Browser-Steuerung gibt. Gegenüber rein DOM-basierten Skripten bringt der Ansatz Robustheit, weil der Agent semantisch versteht, was auf der Seite zu tun ist, statt auf starre CSS-Selektoren angewiesen zu sein.
Beispiel / Praxisbezug
Typische Aufgaben: einen Flug auf einem Buchungsportal heraussuchen und Optionen vergleichen, Daten aus mehreren Seiten hinter einem Login zusammentragen, ein Web-Formular mit Bestelldaten ausfüllen oder einen End-to-End-Test einer Web-App durchlaufen. In der Praxis ist Browser Use langsamer und fehleranfälliger als eine direkte API-Integration: Jede Aktion erfordert einen Inferenzschritt, dynamische Seiten und Cookie-Banner stören den Ablauf, und ein falscher Klick kann die Sequenz entgleisen lassen. Wo eine API verfügbar ist, bleibt sie vorzuziehen.
Abgrenzung zu ähnlichen Begriffen
Computer Use ist der allgemeinere Fall: Dort bedient der Agent ein ganzes Betriebssystem inklusive beliebiger Desktop-Anwendungen, Browser Use beschränkt sich auf den Browser. Klassische Browser-Automatisierung mit Playwright oder Selenium läuft über deterministische, vorab geschriebene Skripte ohne Modellentscheidung — Browser Use überlässt die Schrittplanung dem KI-Agenten. Vom Function Calling unterscheidet es sich darin, dass nicht eine definierte Funktion, sondern eine offene Web-Oberfläche das Werkzeug ist.
Entdecke mehr
KI-Workflows per Keyword: Wie wir wiederkehrende Abläufe erzwingbar machen
Ein getipptes Keyword löst bei uns einen festen KI-Ablauf aus — und jeder Schritt muss committet werden, bevor der nächste kommt. Warum das der Trick ist.
GlossarEnsemble / Multi-Modell-Orchestrierung
Ensemble bezeichnet das Kombinieren mehrerer bewusst variierter LLM-Läufe oder Modelle, deren Funde sich ergänzen. Multi-Modell-Orchestrierung steuert diese Läufe über Orchestratoren mit Sub-Agenten, sodass die Vereinigung der Ergebnisse größer ist als jeder Einzellauf.
LexikonFunction Calling / Tool Use
Wie ein LLM Werkzeuge aufruft: Tool-Definition als Schema, Modell wählt Funktion und Argumente, Ergebnis zurück ins Gespräch — der Grundbaustein jedes Agenten.