Dein KI-Agent kann jetzt Portale bedienen, die keine Schnittstelle haben

Was am 19. August dazugekommen ist

Zwei Dinge. Das Werkzeug, mit dem Claude einen kompletten Rechner bedient, ist jetzt regulär auf der Claude API verfügbar, ohne Beta-Kennzeichen und mit mehreren Aktionen pro Zug statt einer einzelnen. Daneben steht neu ein zweites Werkzeug, das ausschließlich den Browser bedient.

Der Unterschied ist wichtiger, als er klingt. Die Desktop-Steuerung sieht einen Screenshot und schätzt Koordinaten: klick auf Bildpunkt 840, 312. Das neue Browser-Werkzeug liest stattdessen die Seite selbst, also ihren Accessibility-Baum, die Elemente, die Formularfelder und die offenen Tabs. Es merkt sich dann nicht die Position, sondern das Feld. Anthropic schreibt in der eigenen Dokumentation ausdrücklich, warum das der Punkt ist: Ein Verweis auf ein Element übersteht Layout-Verschiebungen, an denen Bildkoordinaten zerbrechen.

Dazu kommen Formulareingabe, Tab-Verwaltung, gemeldete Downloads und, wenn man es freischaltet, Datei-Uploads. Insgesamt 31 Einzelbefehle, 27 davon von Anfang an aktiv. Vier sind bewusst abgeschaltet: JavaScript ausführen, Dateien hochladen, Konsole lesen, Netzwerkverkehr lesen.

Wer das bekommt und wer nicht

Bevor jemand in der Claude-App danach sucht: Das ist kein Schalter, den man umlegt.

• Es gehört zur Claude API. Nicht zur Claude-App, nicht zu ChatGPT, nicht zu Copilot.
• Es läuft nicht über Amazon Bedrock, Google Cloud oder Microsoft Foundry. Wer Claude über einen dieser Wege bezieht, hat es nicht. Das ist genau der Unterschied zwischen den Bezugswegen, über den ich im Juni geschrieben habe.
• In den verwalteten Claude-Agenten ist es ebenfalls nicht verfügbar.
• Den Browser betreibst du. Bei Anthropic läuft davon nichts. Dein System startet den Browser, führt die Klicks aus und schickt das Ergebnis zurück.

Der letzte Punkt ist der, den die meisten Meldungen weglassen. „Claude kann jetzt im Netz einkaufen" klingt nach Zauberei. In Wahrheit ist es eine Schnittstelle, an die jemand einen Browser in einem abgeschotteten Container hängen muss. Für einen Betrieb heißt das: Das ist nichts, was man am Montagmorgen im Menü anhakt. Das baut jemand, intern oder von außen.

Wofür sich das im Betrieb wirklich lohnt

Der Anwendungsfall ist alt und langweilig und genau deshalb etwas wert. Fast jeder Betrieb hat mindestens ein Portal, in dem jemand regelmäßig dieselben Handgriffe macht, weil es dort keinen Export gibt.

• Lieferanten- und Herstellerportale, aus denen Preise, Liefertermine oder Auftragsstände von Hand in die eigene Warenwirtschaft wandern.
• Behörden- und Kammerportale, in denen Formulare mit immer denselben Stammdaten ausgefüllt werden.
• Kundenportale großer Auftraggeber, die Bestellungen und Rückmeldungen nur über ihre eigene Oberfläche annehmen.
• Wiederkehrende Statusabfragen: Sendungsverfolgung, Zahlungseingänge, Ausschreibungslisten.

Was bisher dagegen sprach, war die Zerbrechlichkeit. Automatisierungen, die auf Bildpunkten arbeiten, brechen bei jedem Redesign, und dann sitzt wieder jemand davor. Der Wechsel auf Elementverweise repariert das nicht vollständig, verschiebt die Rechnung aber so weit, dass sie sich auch bei kleinen Mengen lohnen kann.

Warum ich es trotzdem nicht überall einsetze

Mein eigener Agent bedient seit Monaten meinen Rechner. Er macht Screenshots, klickt, tippt und prüft nach einem Umbau mit eigenen Augen nach, ob die Oberfläche wirklich stimmt. Das funktioniert, und es ist gleichzeitig der störanfälligste Teil meines ganzen Aufbaus. Ein verschobenes Fenster, ein geändertes Layout, und ein Lauf kippt.

Deshalb lese ich die neue Dokumentation vor allem im Kleingedruckten, und da steht einiges.

• Die Befehle laufen nacheinander, nicht parallel. Ein Browser-Agent arbeitet ungefähr im Tempo eines Menschen.
• Schlägt eine Aktion fehl, werden die restlichen im selben Zug gar nicht erst ausgeführt. Das ist richtig so, heißt aber auch: Ein hängendes Cookie-Banner stoppt den ganzen Ablauf.
• Screenshots sind Bilder und kosten Tokens. Wer den Agenten alles fotografieren lässt, bezahlt das mit.
• Verweise auf Elemente verfallen, sobald sich die Seite wesentlich ändert. Dann muss der Agent neu lesen, bevor er weiterklickt.

Nichts davon ist ein Ausschlussgrund. Es ist der Abstand zwischen „läuft im Demo-Video" und „läuft am Dienstag um sieben, wenn niemand zuschaut".

Der Sicherheitsteil, kurz

Eine Webseite ist Text, den dein Agent liest. Text kann Anweisungen enthalten. Anthropic schreibt selbst, dass Claude manchmal Anweisungen aus dem Seiteninhalt befolgt, auch wenn sie deinen widersprechen, und listet die Gegenmaßnahmen gleich mit: ein abgeschotteter Container ohne gespeicherte Zugangsdaten, eine feste Liste erlaubter Domains, ein eigenes Konto mit möglichst wenigen Rechten, Datei-Upload und JavaScript aus, und eine menschliche Bestätigung vor allem, was Geld oder Verträge bewegt.

Das ist dasselbe Grundproblem, über das ich im Mai schon geschrieben habe: Was von außen hereinkommt, ist Information und keine Anweisung. Beim Browser wird es nur unmittelbarer, weil der Agent den ganzen Tag auf fremden Seiten unterwegs ist.

Fazit

Zähl eine Woche lang mit, wie oft bei dir jemand dieselben Klicks in einem Portal macht und wie viel Zeit dabei zusammenkommt. Unter einer halben Stunde pro Woche: liegen lassen, der Aufbau kostet mehr, als er einspart. Darüber lohnt sich der Weg, und zwar in dieser Reihenfolge. Erst beim Portalbetreiber nach Export oder Schnittstelle fragen. Dann prüfen, ob dein KI-Zugang überhaupt die Claude API ist, sonst erübrigt sich die Frage. Und dann einen Ablauf bauen, der mit einem eigenen Konto anfängt, das nur lesen darf.

Was ich nicht tun würde: einen Agenten mit dem Konto des Chefs in ein Portal setzen, in dem man bestellen kann. Er spielt dort nicht verrückt. Er tut genau das, was auf der Seite steht, und das reicht schon.

Über mich

Ich bin Christian Denzer und baue KI-Agenten für KMU in Schleswig-Holstein und darüber hinaus. Im Erstgespräch schaue ich zuerst, ob eine Aufgabe wirklich einen Agenten braucht oder ob eine Exportfunktion reicht, die bisher niemand gefunden hat. Beides spart Zeit, nur unterschiedlich viel.

Quellen: Claude Platform Release Notes, Eintrag vom 19. August 2026 zur allgemeinen Verfügbarkeit des Computer-Use-Werkzeugs ohne Beta-Header mit mehreren Aktionen pro Zug und zum Start des Browser-Werkzeugs als Toolset, das eine von der eigenen Anwendung betriebene Browser-Sitzung steuert · Anthropic, Dokumentation zum Browser-Werkzeug zu Accessibility-Baum, Elementen, Formularen und Tabs, zu 27 standardmäßig aktiven und vier optionalen Einzelbefehlen, zur Ausführung im eigenen Umfeld, zur fehlenden Verfügbarkeit auf Amazon Bedrock, Google Cloud und Microsoft Foundry sowie in den verwalteten Claude-Agenten, zur sequenziellen Ausführung, zum Abbruch nach einem Fehler, zur Alterung von Elementverweisen und zu den empfohlenen Schutzmaßnahmen gegen Prompt Injection. Einordnung für KMU aus eigener Arbeit an Agenten, die Oberflächen bedienen.