Ein neuer Meilenstein für agentische KI: Google DeepMind macht das Gemini 2.5 Computer Use-Modell via API verfügbar. Das System ist darauf ausgelegt, Aufgaben in Browsern und auf Mobilgeräten präzise und zuverlässig auszuführen – von der Navigation über das Ausfüllen von Formularen bis hin zu komplexen Multi-Step-Workflows.
Das Modell übertrifft führende Alternativen bei Aufgaben im Browser und auf Mobilgeräten.
Was das Modell auszeichnet
Kernfähigkeiten
- Direkte Computerinteraktion: Steuert Browser- und Mobil-Interfaces, klickt, scrollt, navigiert und füllt Formulare kontextbezogen aus.
- Aufgaben-Orchestrierung: Bewältigt mehrstufige Workflows, behält Ziele im Blick und korrigiert sich bei Bedarf.
- API-Zugriff: Entwickelnde können das Modell nahtlos in bestehende Pipelines und Anwendungen integrieren.
- Kontextverständnis: Verknüpft Inhalte auf Webseiten oder in Apps mit dem gewünschten Ergebnis, statt nur Oberflächen starr zu automatisieren.
Warum das wichtig ist
- Produktivität: Routineaufgaben werden schneller erledigt, manuelle Klickpfade entfallen.
- Zuverlässigkeit: Konsistente Ausführung wiederkehrender Workflows reduziert Fehlerquoten.
- Skalierbarkeit: Von Einzellösungen bis zu großen Flotten von Automations-Jobs.
Einsatzszenarien
Praktische Beispiele
- Recherche und Analyse: Webseiten durchsuchen, Informationen extrahieren und Ergebnisse strukturiert zusammenfassen.
- Kundenprozesse: Formulare vorausfüllen, Kontostände prüfen oder Bestellungen verarbeiten – je nach Freigaben.
- Qualitätssicherung: Klickpfade in Web- und Mobile-Apps testen, Screens dokumentieren, Abweichungen melden.
- Backoffice-Automation: Daten in Portalen aktualisieren, Berichte abrufen, wiederkehrende Aufgaben terminieren.
Für Entwicklerinnen und Entwickler
Schneller Start über die API
- Authentifizieren und Projekt konfigurieren.
- Aufgaben definieren: Ziele, Sicherheitsgrenzen und erlaubte Aktionen festlegen.
- Ausführung beobachten: Schritte nachvollziehen, Protokolle prüfen, Ergebnisse validieren.
- Iterieren: Prompts, Policies und Guardrails anpassen, um Robustheit zu erhöhen.
Sicherheit und Governance
- Rechteverwaltung: Klare Berechtigungen für Websites, Apps und Aktionen.
- Transparenz: Nachvollziehbare Protokolle und Audit-Trails für Compliance-Anforderungen.
- Risikominderung: Begrenzung sensibler Schritte, Rate-Limits und Kontextprüfungen.
Einordnung und Marktimpuls
Mit der Verfügbarkeit via API rückt agentische Automatisierung näher an den Alltag von Teams und Produkten. Das Modell adressiert eine Lücke zwischen klassischen Skriptlösungen und generativen Assistenten, indem es Inhalte versteht und Oberflächen zielgerichtet bedient. Für Unternehmen bedeutet das: weniger Ad-hoc-Automation, mehr robuste, wiederverwendbare Workflows.
Ausblick
- Breitere Plattformabdeckung: Support für zusätzliche Browser-/Mobile-Umgebungen und Unternehmens-Stacks.
- Tiefere Integrationen: Engere Verzahnung mit Tools für Monitoring, Observability und CI/CD.
- Stärkere Guardrails: Verfeinerte Kontrollmechanismen für sensible Branchen und regulierte Märkte.
Unterm Strich markiert das Gemini 2.5 Computer Use-Modell einen klaren Schritt hin zu verlässlicher, skalierbarer und steuerbarer KI-Automatisierung, die sowohl im Browser als auch mobil überzeugt.
