· von Nedjat Nuhi
KI steuert Software ohne API: Computer Use für Schweizer KMU
Kurz beantwortet
Computer Use bezeichnet KI-Modelle, die Software über die sichtbare Benutzeroberfläche bedienen, anstatt über Programmierschnittstellen zu kommunizieren. Autonome Bildschirmagenten sehen den Monitor, bewegen den Mauszeiger, tippen Daten ein und navigieren durch Desktop-Programme. Schweizer KMU automatisieren damit bestehende Branchensoftware und Altsysteme ohne teure API-Entwicklungsprojekte.
Automatisierung ohne Programmierschnittstelle
Viele Schweizer Unternehmen arbeiten täglich mit Software, die seit Jahren zuverlässig ihren Dienst verrichtet, aber keine modernen Schnittstellen besitzt. Ältere ERP-Systeme, lokale Branchenanwendungen auf Windows-Basis oder geschlossene Buchhaltungslösungen erfordern bei jedem Medienbruch manuelle Handarbeit. Mitarbeitende übertragen Adressen aus E-Mails, tippen Bestelldaten aus PDF-Dateien ab oder klicken sich durch verschachtelte Eingabemasken. Ein klassisches Integrationsprojekt über Programmierschnittstellen scheitert in der Praxis oft an den Kosten. Softwarehersteller verlangen für individuelle Schnittstellen fünfstellige Frankenbeträge, oder das Altsystem bietet technisch schlicht keine Möglichkeit für einen externen Datenzugriff.
Dieses Problem verschwindet durch eine Technologie, die unter dem Begriff Computer Use bekannt ist. Modelle wie Claude von Anthropic oder Systeme von OpenAI steuern Software direkt über die grafische Benutzeroberfläche. Die KI betrachtet den Bildschirminhalt wie ein menschlicher Mitarbeiter, erkennt Schaltflächen, Textfelder sowie Tabellen, bewegt den Mauszeiger an die richtige Stelle und führt Tastatureingaben aus. Eine API ist dafür nicht mehr notwendig.
Der Entwicklungssprung bei autonomen Bildschirmagenten
Noch im Jahr 2024 scheiterten visuelle Agenten häufig an simplen Bedienfehlern. Wenn ein Hinweisfenster an einer unerwarteten Stelle aufging oder eine Ladezeit länger dauerte als üblich, brach der Prozess ab. Im Jahr 2026 hat sich diese Zuverlässigkeit grundlegend verändert. Moderne Bildverarbeitungsmodelle erfassen visuelle Kontexte fehlerfrei und reagieren flexibel auf Abweichungen in der Programmoberfläche.
Die Messwerte unabhängiger Tests belegen diesen Sprung. Gemäss dem AI Index Report 2026 der Stanford University stieg die durchschnittliche Erfolgsquote von KI-Agenten auf dem standardisierten Prüfstand OSWorld innerhalb eines Jahres von 12 Prozent auf 66,3 Prozent. Der Benchmark OSWorld testet komplexe Arbeitsabläufe in realen Betriebssystemumgebungen, darunter das Wechseln zwischen Programmen, das Verwalten von Dateien und das Ausfüllen mehrstufiger Formulare. Neuere Spitzenmodelle erreichen bei diesen Aufgaben mittlerweile Erfolgsquoten von über 70 Prozent. Damit arbeiten Bildschirmagenten stabil genug für wiederkehrende Routineprozesse in Unternehmen.
Praktischer Nutzen für Schweizer Betriebe
Für Schweizer KMU eröffnen sich dadurch neue Möglichkeiten zur Prozessoptimierung, ohne dass bestehende Softwarelizenzen gekündigt oder teuer aufgerüstet werden müssen. Ein konkretes Anwendungsfeld ist die Auftragsabwicklung. Trifft eine Bestellung per E-Mail ein, liest die KI den Inhalt aus, öffnet das lokal installierte ERP-Programm, sucht das passende Kundenkonto, trägt die Artikelnummern sowie Stückzahlen ein und speichert den Beleg. Der Ablauf entspricht exakt den Schritten, die bisher ein Sachbearbeiter per Hand ausgeführt hat.
Ein weiteres Einsatzgebiet liegt in der Stammdatenpflege und dem Abgleich zwischen verschiedenen Systemen. Wenn Adressänderungen, Lieferantenpreise oder Zolltarifnummern aus Webportalen in ein internes Verwaltungsprogramm übertragen werden müssen, übernimmt der Bildschirmagent diese Navigation selbstständig. Die Software merkt dabei nicht, ob eine Person oder ein Algorithmus die Eingaben tätigt. Bestehende Zugriffsrechte, Validierungsregeln und Sicherheitsmechanismen der Anwendungssoftware bleiben vollständig intakt, weil der Agent die regulären Anmeldemasken nutzt.
Sicherheit und Kontrolle im laufenden Betrieb
Der autonome Zugriff auf Benutzeroberflächen verlangt klare Leitplanken. In einer professionellen KMU-Umgebung läuft die KI nicht auf dem physischen Arbeitsplatzrechner der Mitarbeitenden, sondern auf einer isolierten virtuellen Maschine. Diese Trennung stellt sicher, dass der Agent ungestört arbeiten kann und keine unbefugten Zugriffe auf persönliche Arbeitsbereiche erfolgen.
Zusätzlich lassen sich Freigabeprozesse für heikle Aktionen definieren. Bei Vorgängen wie der Stammdatenerfassung bereitet der Agent die Eingaben vor, während die endgültige Verbuchung oder die Auslösung von Zahlungen durch einen Mitarbeitenden per Klick bestätigt wird. Ein detailliertes Protokoll zeichnet jeden Mausklick, jede Tastatureingabe und Bildschirmänderung lückenlos auf. Tritt ein unerwarteter Systemzustand auf, stoppt der Agent den Vorgang und benachrichtigt das Team. Auf diese Weise behält das Unternehmen die volle Kontrolle über alle Abläufe.
Voraussetzungen für den Einsatz im Unternehmen
Bevor ein Bildschirmagent eingerichtet wird, müssen die Arbeitsabläufe sauber dokumentiert sein. Die KI benötigt klare Handlungsanweisungen, welche Felder Pflichtangaben sind, wie mit fehlenden Kundennummern umgegangen wird und an welcher Stelle Rückfragen nötig sind. Je strukturierter der bestehende Arbeitsablauf ist, desto schneller lässt sich die visuelle Steuerung umsetzen.
Wirtschaftlich rechnet sich dieser Ansatz besonders bei Prozessen, die regelmässig anfallen und bisher wegen hoher Programmierkosten nie automatisiert wurden. Die Investition beschränkt sich auf das Einrichten der virtuellen Umgebung, das Erstellen der Arbeitsanweisungen für den Agenten und die laufenden Rechenkosten pro Ausführung. Hohe Initialkosten für Softwarehersteller, Lizenzgebühren für Schnittstellenmodule oder langwierige Entwicklungsprojekte entfallen vollständig.
Ob die eigenen Altsysteme und Arbeitsabläufe für autonome GUI-Agenten geeignet sind, zeigt eine gezielte Prüfung der Prozesse. Der KI-Ready-Check von dialogis.ai analysiert bestehende Softwarelandschaften und deckt auf, an welchen Stellen der Einsatz von Computer Use wirtschaftlich sinnvoll ist.