KI-Seitenleisten, agentengesteuerte Browser, cloudisolierte Browser und Browser mit Umgebungsverwaltung lösen sehr unterschiedliche Probleme. Vor der Auswahl sollte klar sein, ob es um Verstehen, Ausführen oder skalierbare Orchestrierung geht.
Der Begriff KI-Browser wird heute sehr weit gefasst. Ein Browser mit eingebautem Chatfenster kann so heißen; ebenso eine Browserumgebung, die von Programmen als planbare Ressource gesteuert wird.
Der Name ist gleich, doch die gelösten Probleme unterscheiden sich stark. Statt Produkte einzeln zu betrachten, ist es übersichtlicher, vier Formen zu unterscheiden und zu prüfen, was jede kann und wo ihre Grenzen liegen.
Seitenleisten-Assistenten: verstehen Seiten, bedienen sie aber nicht
Bei dieser Form hängt neben einem normalen Browser eine dauerhaft verfügbare Seitenleiste oder ein Panel. Sie kann lange Artikel, wissenschaftliche Arbeiten und sogar PDFs mit Hunderten Seiten zusammenfassen, Fragen zur aktuell geöffneten Seite beantworten, E-Mails oder Wochenberichte schreiben, Texte übersetzen und umformulieren sowie Ton und Länge anpassen. Manche Varianten unterstützen zudem Bild-Uploads für visuelle Analysen oder direkte Sprachdialoge.
Im Kern wird der KI-Assistent direkt neben die Seite gesetzt, sodass das Kopieren in ein separates Chatfenster entfällt. Für Materialsammlung, Themenrecherche und Schreibhilfe reicht das oft völlig aus.
Die Grenze ist eindeutig: Der Inhalt wird verstanden, die Website aber nicht bedient. Materialien lassen sich ordnen, doch Klicken, Ausfüllen und Absenden übernimmt dieser Typ nicht. Er gehört zur Lese- und Verarbeitungsschicht, nicht zur Ausführungsschicht.
Agentengesteuert: handelt selbstständig, aber am besten Aufgabe für Aufgabe
Diese Form geht einen Schritt weiter. Man beschreibt eine Aufgabe in natürlicher Sprache, und der Agent führt mehrere Schritte selbst aus: scrollen, Schaltflächen anklicken, Formulare ausfüllen und Informationen über mehrere geöffnete Tabs hinweg vergleichen. Entscheidend ist das Seitenverständnis. Der Agent muss selbst erkennen, was ein Eingabefeld und was eine Schaltfläche zum Absenden ist, statt sich auf vorab definierte Selektoren zu verlassen. Ändert sich die Seitenstruktur und ein Selektor fällt aus, kann er trotzdem weiterarbeiten.
Drei Grenzen sind wichtig. Vorgänge mit Zahlungen, Banking oder sensiblen Daten werden meist angehalten und verlangen eine manuelle Bestätigung; das ist eine bewusst gesetzte Sicherheitsgrenze und kein Fehler. Auf komplexen Websites mit vielen individuellen Komponenten kann der Agent weiterhin scheitern. Außerdem wird oft übersehen, dass solche Systeme für die Interaktion eines einzelnen Nutzers und nicht für hohe Parallelität ausgelegt sind. Eine Aufgabe nach der anderen ist daher der normale Takt.
Geeignet ist das für einzelne Personen mit komplexen, aber seltenen Webaufgaben.
Cloud-Isolation: Der Browser läuft entfernt und fühlt sich lokal an
Hier läuft der Browserprozess nicht auf dem eigenen Rechner; das lokale Gerät dient vor allem der Interaktion. Dieselbe Umgebung kann deshalb auf verschiedenen Geräten geöffnet werden, während Sitzung und Login-Status in der Cloud erhalten bleiben. Eine erneute Einrichtung auf jedem Gerät entfällt. Zustände lassen sich als Snapshot sichern und zurückrollen, fehlerhafte Umgebungen können auf den letzten funktionierenden Stand gesetzt werden, und lokal müssen keine Daten verbleiben. Das ist praktisch für Teams mit wechselnden Geräten oder für Teams, die Geschäftsdaten nicht auf viele Endgeräte verteilen möchten.
Die Nachteile entstehen ebenfalls durch die Cloud. Netzwerkwege verursachen Latenz, sodass die Bedienung weniger direkt wirkt als lokal. Mit wachsender Zahl an Umgebungen steigen die Cloud-Ressourcenkosten. Zugriffe auf lokale Dateien, Hardware oder interne Systeme sind stärker eingeschränkt. Außerdem verlagert die Cloud nur die Maschine: Wie Netzwerkausgänge auf mehrere Umgebungen verteilt und parallele Aufgaben begrenzt werden, muss weiterhin geplant werden.
Browser mit Umgebungsverwaltung: die Schicht für Programm-Orchestrierung
Dieser Typ ist nicht in erster Linie ein Browser für Menschen, sondern eine Umgebungsressource für die Steuerung durch Programme.
Er kann viele voneinander getrennte Umgebungen erzeugen, jeweils mit eigenem Fingerprint, Cookies und lokalem Speicher; über Schnittstellen lassen sich Umgebungen anlegen, abfragen, starten, stoppen und wieder freigeben. Pro Umgebung kann ein eigener Netzwerkausgang gebunden werden, und gängige Automatisierungsframeworks können die Umgebung programmatisch steuern. Das Ziel ist, Browserumgebungen zu planbarer, isolierter und verwaltbarer Infrastruktur zu machen.
Damit wird ein grundsätzlich anderes Problem gelöst. Wenn aus 1 Aufgabe 100 werden, stoßen die vorherigen Ansätze gemeinsam an Grenzen: ein Nutzer, ein Fenster und eine Aufgabe zur Zeit reichen für Stapelverarbeitung nicht aus; Umgebungen beeinflussen einander, Aufgaben stören sich gegenseitig und Konten können als zusammengehörige Gruppe erkannt werden. Auf dieser Ebene stellt PurpleMark Isolation und zentrale Verwaltung von Browserumgebungen bereit, damit jede Aufgabe in ihrer eigenen Umgebung läuft.
Die Grenze: Das System trifft keine Entscheidungen für den Nutzer und ändert keine Regeln einer Plattform. Ob eine Aufgabe regelkonform ist, hängt weiterhin von der Aufgabe selbst ab.
So wählt man aus
Die Reihenfolge ist einfach: vom eigenen Bedarf rückwärts denken.
- Wenn KI nur beim Verstehen von Webseiten helfen soll, reicht die erste Form; für unnötige Ausführungsfunktionen muss man nicht zusätzlich zahlen.
- Wenn KI einmalig einen komplexen Vorgang übernehmen soll, passt die zweite Form.
- Wenn Daten nicht lokal liegen sollen und die Arbeit über mehrere Geräte fortgesetzt werden muss, passt die dritte Form besser.
- Wenn Automatisierungsaufgaben stabil, in größeren Mengen und ohne gegenseitige Störungen laufen sollen, braucht es unabhängig von der zuvor genutzten KI-Funktion zusätzlich die vierte Schicht.
Der letzte Punkt verdient besondere Beachtung. Die KI entscheidet, was getan wird; die Browserumgebung bestimmt, unter welcher Identität es geschieht. Ist diese Identitätsschicht instabil, wirken Fehler zufällig, obwohl die Ursache in der Umgebung liegt. Viele Teams werden zunächst vom Begriff KI-Browser angezogen und kaufen ein Werkzeug zum Verstehen von Inhalten. Später stellen sie fest, dass sie eigentlich Stapelausführung benötigen. Ist die Richtung falsch gewählt, kann auch ein gutes Werkzeug diese Lücke nicht schließen.
Zuerst sollte geklärt werden, ob Assistenz oder Ausführung gebraucht wird, danach die Größenordnung. Vor der Skalierung empfiehlt es sich, die Umgebungsschicht aufzubauen und den Ablauf mit wenigen Aufgaben zu prüfen. Erst anschließend hochzuskalieren ist deutlich einfacher, als später eine Gruppe miteinander verknüpfter Konten zu bereinigen.
