Browser Use
Einen KI-Agenten einen echten Browser bedienen lassen: Seiten öffnen, klicken, tippen, Formulare ausfüllen
Browser Use ist eine quelloffene Python-Bibliothek samt CLI, mit der ein LLM einen echten Browser bedient — Seiten öffnen, klicken, tippen, Formulare ausfüllen —, damit ein Agent die Webarbeit erledigen kann, hinter der keine API steht. Die Bibliothek steht unter MIT-Lizenz und läuft auf dem eigenen Rechner mit dem Modell, auf das man sie richtet; dasselbe Team verkauft eine gehostete Cloud, und die eigene README verweist für CAPTCHAs und für den Produktivbetrieb genau dorthin. Diese Trennung ist die ehrliche Zusammenfassung der gesamten Kategorie: Den Browser zu bedienen ist der gelöste Teil, und von den Seiten, die man automatisieren will, nicht blockiert zu werden, ist der Teil, der über Erfolg entscheidet.
Was Browser Use ist
Browser Use (github.com/browser-use/browser-use) startete Ende 2024 und ist inzwischen eines der Agenten-Projekte mit den meisten Sternen auf GitHub. Es ist Python, MIT-lizenziert und in einer Zeile auf Python 3.11 oder neuer installiert. Man gibt einem Agenten eine Aufgabe in normaler Sprache und ein Modell — die browsertauglich abgestimmten Modelle des Teams, oder OpenAI, Anthropic und Google über einen einzigen Schlüssel, oder etwas Lokales über Ollama — und er bearbeitet die Seite so, wie ein Mensch es täte: liest, was auf dem Bildschirm steht, klickt, tippt und holt heraus, worum man gebeten hat.
Es gibt zwei Einstiege, und den falschen zu wählen ist der häufigste Anfängerfehler. Die Python-Bibliothek ist für Automatisierung gedacht, die man in den eigenen Code einbaut: viele Läufe nach Zeitplan oder parallel, eigene Werkzeuge, strukturierte Ausgabe. Die CLI ist für einen Agenten, den man ohnehin schon nutzt — installiert man ihre Skill, übernimmt ein Coding-Assistent den Browser für einen einmaligen Auftrag. Die Faustregel des Projekts lohnt die Übernahme: Einmaliges über einen Agenten, Wiederkehrendes im Code. Das Projekt veröffentlicht seinen Benchmark aus rund hundert echten Browseraufgaben zudem als offenes Repository, was mehr Rechenschaft ist, als die meisten Agentenprojekte bieten, und beansprucht den ersten Platz in einer öffentlichen Rangliste für langlaufende Webaufgaben — deren Messung, nicht unsere.
Wo es in den Wachstums-Stack eines Gründers passt
Worin das wirklich gut ist, ist die Webarbeit, für die es keine API gibt und nie geben wird: Seiten, aus denen man etwas herausholen oder in die man etwas hineinbekommen muss und die nur für Menschen gebaut wurden. Für ein kleines Team ist die sinnvolle Reihenfolge die Reihenfolge dessen, was ein falscher Lauf kostet.
- Recherche, die nur liest Preisseiten der Konkurrenz, Changelogs, Marktplatz-Einträge, Bewertungsseiten — das Rohmaterial hinter der Wettbewerbsanalyse. Ein falscher Lauf kostet hier eine Wiederholung, die billigste Art, falsch zu liegen.
- Dasselbe Formular zum vierzigsten Mal Einträge in Verzeichnissen und Marktplätzen sind der klarste Fall: Die Arbeit ist jedes Mal identisch und der Ertrag real, weshalb es von Hand so mühsam ist, in KI-Tool-Verzeichnisse aufgenommen zu werden.
- Der eigene Funnel, aus einem sauberen Browser Sich jeden Morgen als Fremder zu registrieren findet den kaputten Schritt, den die eingeloggte Sitzung nie zu sehen bekommt. Das ist näher an QA als an Wachstum und der langweiligste wertvollste Punkt dieser Liste — was meist falsch läuft, steht unter warum sich niemand registriert.
- Alles, was veröffentlicht oder Geld ausgibt Posten, Fremde anschreiben, bieten. Hier sollte die Automatisierung aufhören und ein Mensch hinsehen. Ein Freigabe-Gate existiert genau für diese Art von Aktionen, und ein fähiger Browser-Agent ist kein Grund, es zu entfernen.
Die Wand, gegen die man wirklich läuft
Jede ehrliche Darstellung von Browser-Agenten landet an derselben Stelle, und die FAQ des Projekts kommt in zwei Antworten dorthin: Für CAPTCHAs verweist sie wegen Fingerprinting und Proxys auf die eigene Cloud, und für den Produktivbetrieb warnt sie, dass Chrome viel Speicher frisst und parallele Läufe unangenehm zu verwalten sind. Beides ist kein Vorwurf an die Bibliothek. Es ist die tatsächliche Rechnung, und man liest sie besser, bevor man einen Wachstums-Workflow auf kostenlose lokale Läufe baut.
| Was man für schwierig hält | Was den Lauf tatsächlich entscheidet |
|---|---|
| Dem Agenten beibringen, das Richtige zu klicken | Ob die Seite überhaupt eine Seite ausliefert |
| Modellkosten je Aufgabe | Proxy, Fingerprinting und Browser-Infrastruktur |
| Dass der Lauf scheitert | Dass der Lauf auf einer Seite gelingt, die nie der echte Inhalt war |
Die letzte Zeile ist unsere, und sie ist das Teuerste, was wir über Web-Automatisierung gelernt haben. AgentCeres — der AI Growth Officer auf agentceres.com — betreibt automatisierte Browser für Recherche, und an Seiten mit ernsthaftem Bot-Schutz sind wir schlicht nie vorbeigekommen: Die Ablehnung kommt beim ersten Byte, bevor irgendeine Seite gerendert wird, also ändert nichts daran, wie menschlich das Klicken wirkt, das Ergebnis, und ein Stealth-Plugin, von dem wir Hilfe erwartet hatten, war gegen diese Schicht nie getestet worden. Der leisere Fehler war der schlimmere. Unsere eigene Prüfung, ob wir gerade gegen eine Bot-Wand gelaufen sind, erkannte nur englischsprachige Challenge-Seiten, sodass eine Challenge in einer anderen Sprache als gewöhnlicher Inhalt durchging und zusammengefasst wurde, als wäre sie die Seite selbst. Ein blockierter Lauf ist offensichtlich; ein Lauf, der selbstbewusst die falsche Seite zurückgibt, nicht.
Also: auf die wiederkehrende, risikoarme Webarbeit richten, Browser-Infrastruktur einplanen statt kostenlos anzunehmen, und auf alles, worauf eine Entscheidung ruht, ein zweites Signal setzen — eine Prüfung, dass der Inhalt der ist, für den man ihn hält, und nicht bloß, dass eine Seite zurückkam. Bei allem, was nach außen geht, bleibt ein Mensch dabei. Genau in dieser Form arbeitet AgentCeres: Ein Team aus Fachrollen entwirft Inhalte und Ansprache, und jede ausgehende Aktion wartet auf Ihre Freigabe, bevor sie rausgeht.
FAQ
- Ist Browser Use kostenlos?
- Die Bibliothek ja, unter der MIT-Lizenz — sie läuft auf dem eigenen Rechner und der Code darf verändert werden. Nicht kostenlos ist das Modell: Jeder Schritt des Agenten ist ein LLM-Aufruf, die Kosten skalieren also mit der Zahl der Seiten, die er durcharbeiten muss, nicht mit der Zahl gestarteter Aufgaben. Die gehostete Cloud mit Stealth-Browsern, Proxy-Rotation und Integrationen ist ein separates kostenpflichtiges Produkt desselben Teams.
- Muss ich programmieren können?
- Für einmalige Aufträge nicht. Installiert man die CLI-Skill, bedient ein bereits genutzter Coding-Assistent den Browser auf eine Anweisung in normaler Sprache hin. Die Python-Bibliothek ist die richtige Wahl, sobald dieselbe Aufgabe wiederholt, parallel oder im eigenen Produkt läuft — die Faustregel des Projekts lautet: einmalig über einen Agenten, wiederkehrend im Code.
- Kommt es an Bot-Erkennung und CAPTCHAs vorbei?
- Auf dem eigenen Rechner nicht zuverlässig, und das Projekt sagt es selbst: Seine FAQ beantwortet CAPTCHAs wie Produktivbetrieb mit dem Verweis auf die eigene Cloud, die Proxys und Browser-Fingerprinting liefert. Diese Kosten einplanen. Eine Seite mit ernsthaftem Bot-Schutz verweigert die Verbindung, bevor die Automatisierung überhaupt Gelegenheit bekommt, clever zu sein, und noch so realistisches Klicken ändert daran nichts.
- Was sollte ich mit einem Browser-Agenten nicht automatisieren?
- Alles, was veröffentlicht, Fremde anschreibt oder Geld ausgibt, ohne dass zuvor ein Mensch draufgeschaut hat — und alles, dessen Nutzungsbedingungen automatisierten Zugriff untersagen, was viele Plattformen tun. Der brauchbare Test ist, was ein falscher Lauf kostet: Ein schlechter Scrape kostet eine Wiederholung, ein schlechter Post kostet Reputation, und nur eines davon ist an einem Nachmittag zu heilen.
You built it. Now grow it.
AgentCeres is a managed AI marketing team — specialists draft the SEO, social, and outreach that fill your links, you approve what ships. 14-day free trial, from $39/month.