Software ohne API automatisieren: KI-Agenten bedienen Alt-Software per Browser

Dienstagvormittag, 9:40 Uhr, in einem Elektrogroßhandel in Ludwigsburg. Sandra Kaminski öffnet den Webshop, kopiert die erste von 43 neuen Bestellungen und tippt sie Position für Position in die Warenwirtschaft. Das Programm stammt aus dem Jahr 2009. Es läuft stabil, kennt jeden Artikel und jede Preisstaffel, aber es hat keine Schnittstelle nach außen. Der Hersteller wurde vor Jahren aufgelöst, eine API wird es nie geben. Wer Software ohne API automatisieren wollte, stand bisher vor genau dieser Mauer: Das Altsystem kann fachlich alles, nur reden kann es mit niemandem.

Zwei Stunden kostet das Abtippen jeden Tag, aufs Jahr gerechnet rund 500 Arbeitsstunden. Eine Tätigkeit, die niemand gern macht und bei der jeder Zahlendreher später Geld kostet. Genau diese Mauer beginnt jetzt zu fallen: KI-Agenten bedienen Software neuerdings so, wie Sandra Kaminski es tut, über Bildschirm, Maus und Tastatur. Ohne Schnittstelle, ohne Eingriff ins Altsystem, ohne dass es den Hersteller noch geben muss.

Die teuerste Software im Haus ist die, die mit niemandem spricht

Altsysteme ohne Schnittstellen sind im Mittelstand eine der größten Automatisierungshürden: Sie funktionieren fachlich einwandfrei, lassen sich aber nicht mit Webshop, Buchhaltung oder Portalen verbinden. Das Ergebnis sind Menschen, die als lebende Schnittstelle zwischen zwei Bildschirmen pendeln.

Das Szenario aus Ludwigsburg findet sich in fast jedem gewachsenen Betrieb: die Warenwirtschaft ohne Exportfunktion, die Branchensoftware, deren Hersteller keine Anbindung anbietet, das Lieferantenportal, das nur per Browser-Login erreichbar ist, oder das Behördenportal für monatliche Meldungen. Überall dort werden Daten von Hand übertragen, mit allen Folgen: Tippfehler, Rückstände, gebundene Fachkräfte.

Die Zahlen zeigen, wie viel Luft nach oben ist. Laut Destatis (2024) nutzten 2024 erst 20 Prozent der Unternehmen in Deutschland künstliche Intelligenz, bei kleinen Unternehmen mit 10 bis 49 Beschäftigten waren es 17 Prozent. Laut Bitkom (2025) ist der Anteil binnen eines Jahres auf 36 Prozent gesprungen, gleichzeitig nennen 53 Prozent der Unternehmen fehlendes technisches Know-how und 51 Prozent fehlende personelle Ressourcen als größte Hemmnisse. Der Wille ist da. Was fehlt, sind Wege, die ohne jahrelange Integrationsprojekte auskommen.

Genau so ein Weg ist die Browser-Automatisierung mit KI, oft Browser Use oder Computer Use genannt. Sie setzt dort an, wo bisher jede Automatisierung endete: an der Benutzeroberfläche.

Software ohne API automatisieren: Der Agent sieht den Bildschirm und handelt selbst

Ein KI-Agent automatisiert Software ohne API, indem er die Benutzeroberfläche optisch erfasst und anschließend selbst klickt, tippt und scrollt, wie ein menschlicher Sachbearbeiter. Er braucht dafür nur das, was jeder neue Mitarbeiter auch bekommt: einen Zugang und eine Aufgabenbeschreibung.

Technisch läuft das als Schleife ab, die OpenAI (2025) in seiner Entwicklerdokumentation beschreibt: Der Agent erhält ein Bildschirmfoto der aktuellen Maske, entscheidet, welche Aktion nötig ist, führt Klicks und Eingaben aus, bekommt ein neues Bildschirmfoto und prüft das Ergebnis. Das wiederholt sich, bis die Aufgabe erledigt ist. Öffentlich vorgestellt wurde diese Fähigkeit erstmals im Oktober 2024: Laut Anthropic (2024) kann ein KI-Modell seither auf den Bildschirm schauen, den Cursor bewegen, Buttons anklicken und Text eintippen, so wie ein Mensch es tun würde.

Der Unterschied zu jedem Makro: Der Agent versteht, was er sieht

Der Agent arbeitet nicht mit festen Pixel-Koordinaten, sondern erkennt Inhalte. Das Feld "Rechnungsnummer" findet er auch dann, wenn es nach einem Update an anderer Stelle sitzt oder plötzlich "Beleg-Nr." heißt. Für den Großhandel aus unserem Beispiel heißt das konkret: Der Agent meldet sich nachts im Webshop an, liest jede neue Bestellung, wechselt in die Warenwirtschaft von 2009 und legt dort die Aufträge an, Position für Position. Am Morgen liegt ein Protokoll vor, welche Bestellungen übertragen wurden und wo der Agent unsicher war.

Warum starre RPA-Skripte brechen und KI-Agenten weiterarbeiten

Klassische Robotic Process Automation (RPA) zeichnet feste Klickpfade auf und scheitert, sobald sich die Oberfläche ändert. KI-Agenten verstehen dagegen das Ziel der Aufgabe und passen ihren Weg an, wenn sich die Software verändert.

RPA war viele Jahre der einzige Weg, Oberflächen zu automatisieren, und hat in Konzernen durchaus Erfolge erzielt. Die Methode hat aber eine strukturelle Schwäche: Ein RPA-Skript ist eine exakte Abfolge von Anweisungen. Klicke an Position X, warte zwei Sekunden, tippe in Feld Y. Verschiebt ein Update einen Button, ändert sich ein Feldname oder erscheint ein unerwartetes Dialogfenster, steht der Prozess still, häufig unbemerkt. Im Mittelstand, wo niemand ein eigenes Team für Skript-Pflege hat, wurde daraus oft ein Wartungsgrab.

Ein KI-Agent kehrt die Logik um. Statt eines starren Pfads bekommt er ein Ziel: "Übertrage alle neuen Bestellungen aus dem Shop in die Warenwirtschaft." Ändert sich die Maske, schaut er hin, orientiert sich neu und arbeitet weiter. Fehlerfrei ist er nicht, dazu gleich mehr, aber er bricht nicht bei jeder kosmetischen Änderung. In unserer Praxis bei DigiRift ist genau das der Punkt, an dem Entscheider aufhorchen, die sich an gescheiterte Automatisierungsanläufe erinnern: Der Aufwand verschiebt sich von der Skript-Pflege zur Überwachung. Wie sich KI-Agenten insgesamt vom einfachen Chatbot zum digitalen Mitarbeiter entwickeln, zeigt unser Beitrag über KI-Agenten im Mittelstand.

Vier Einsatzfelder, in denen Browser-Agenten heute schon tragen

Browser-Agenten eignen sich heute vor allem für wiederkehrende, eng umrissene Abläufe mit überschaubaren Entscheidungen. Vier Felder haben sich herauskristallisiert:

1. Datenübertragung zwischen Systemen: Bestellungen aus dem Webshop in die Warenwirtschaft, Aufträge aus der Warenwirtschaft in die Buchhaltung, Stammdaten von A nach B. Der Klassiker, der in fast jedem Betrieb Stunden frisst.
2. Portal-Abfragen: Preise und Verfügbarkeiten in Lieferantenportalen prüfen, Sendungsstatus abfragen, Auftragsbestätigungen herunterladen und ablegen.
3. Formulare und Meldungen: wiederkehrende Anträge und Meldungen in Behörden- und Verbandsportalen, die keine Schnittstelle anbieten.
4. Bestellvorgänge: Nachbestellungen in Lieferantenshops nach festen Regeln, inklusive Ablage der Bestätigung.

Auffällig ist, was nicht auf der Liste steht: offene Aufgaben mit vielen Ausnahmen und Ermessensspielraum. Ein Browser-Agent ist ein Fließbandarbeiter, kein Sachbearbeiter mit Bauchgefühl. Welche Prozesse sich grundsätzlich für Automatisierung eignen und wie Sie sie finden, haben wir im Leitfaden zur Prozessoptimierung mit KI beschrieben.

Die Grenzen: Tempo, Captchas, Haftung und Zugangsdaten

Browser-Agenten sind heute langsamer als Schnittstellen, scheitern planmäßig an Captchas und Zwei-Faktor-Abfragen und brauchen feste Regeln für Zugangsdaten und Kontrolle. Wer das von Anfang an einplant, erlebt keine bösen Überraschungen.

Geschwindigkeit: Ein Agent arbeitet im Tempo eines schnellen Sachbearbeiters, nicht im Millisekundentakt einer API. Anthropic (2025) nennt die Latenz in seiner Entwicklerdokumentation ausdrücklich als Einschränkung und empfiehlt Einsätze, bei denen Geschwindigkeit nicht kritisch ist. Für den Nachtlauf über 43 Bestellungen ist das egal, für Echtzeit-Abfragen im Kundengespräch nicht.

Stabilität: Die Technik ist jung. Beim Benchmark OSWorld, der reale Computeraufgaben testet, löste das erste öffentlich verfügbare Modell im Oktober 2024 laut Anthropic 14,9 Prozent der Aufgaben in der reinen Bildschirmfoto-Kategorie, fast doppelt so viel wie das nächstbeste System mit 7,8 Prozent. Die Werte steigen seither schnell, trotzdem gilt: Ein Agent kann sich verklicken. Kritische Aktionen brauchen deshalb Kontrollpunkte.

Captchas und Zwei-Faktor-Authentifizierung: Beide existieren genau dafür, automatisierte Zugriffe zu stoppen. Gelöst wird das nicht durch Tricks, sondern organisatorisch: offizielle Servicekonten beim Portalbetreiber, hinterlegte App-Passwörter oder eine kurze menschliche Freigabe am Prozessstart.

Haftung und Kontrolle: Wer haftet, wenn der Agent eine Null zu viel bestellt? Die Antwort liegt im Prozessdesign. OpenAI empfiehlt in derselben Dokumentation, risikoreiche Aktionen wie Zahlungen nur nach Bestätigung ausführen zu lassen und Agenten in isolierten Umgebungen zu betreiben. Anthropic warnt zusätzlich vor Prompt Injection: Ein Agent, der Webseiten liest, kann durch dort versteckte Anweisungen manipuliert werden. Professionelle Lösungen setzen deshalb Schwellenwerte, etwa dass Bestellungen über einem Betrag zur Freigabe gehen, führen lückenlose Protokolle und laufen abgeschottet mit minimalen Rechten.

Zugangsdaten-Governance: Ein Agent braucht Logins. Die gehören in ein eigenes Konto je Agent mit minimalen Rechten, nicht in das persönliche Konto des Geschäftsführers. Warum unkontrollierter KI-Einsatz ohne solche Regeln zum Datenrisiko wird, zeigt unser Beitrag über Schatten-KI im Unternehmen.

Zum Tempo der Entwicklung noch eine Einordnung: Die zugrunde liegenden Modelle verbessern sich derzeit im Quartalsrhythmus. Was heute an einer komplizierten Maske scheitert, kann in sechs Monaten Routine sein. Wer diese Entwicklung ohne Fachchinesisch verfolgen will, bekommt die wichtigsten Fortschritte kompakt im KI-Newsletter von DigiRift.

Software ohne API automatisieren oder doch integrieren? Die Entscheidungshilfe

Die Wahl zwischen Browser-Agent, klassischer API-Integration und Neuentwicklung hängt von drei Fragen ab: Gibt es eine nutzbare Schnittstelle, wie hoch ist das Volumen, und wie lange soll das Altsystem noch leben?

Die Faustregel: Hat Ihr System eine brauchbare Schnittstelle, ist die klassische Integration fast immer der stabilere und im Betrieb schnellere Weg. Wie so eine Anbindung abläuft, beschreibt unser Praxisbeitrag KI in Altsysteme integrieren. Der Browser-Agent ist der Weg für alle Systeme, bei denen genau das nicht geht, und oft die Brücke, bis eine Neuentwicklung steht.

In der Praxis kombiniert DigiRift beide Welten: Wo Schnittstellen existieren, nutzen wir sie, wo keine sind, übernimmt der Agent die Oberfläche. Als Full-Service-Partner übernehmen wir den kompletten Weg von der Prozessanalyse über die Absicherung bis zum laufenden Betrieb samt Überwachung. Sie müssen weder Prompts schreiben noch Server betreiben. Wenn Sie wissen wollen, ob Ihr konkreter Prozess automatisierbar ist, schildern Sie ihn uns, Sie bekommen innerhalb von zwei Werktagen eine belastbare Einschätzung.

Fazit: Die Integrationsmauer fällt, aber nicht von allein

Jahrelang galt: keine Schnittstelle, keine Automatisierung. Diese Regel ist Geschichte, denn KI-Agenten bedienen Software per Browser wie ein Mensch und passen sich an, wo starre RPA-Skripte brechen. Tragfähig ist das heute für wiederkehrende Abläufe wie Datenübertragung, Portal-Abfragen, Formulare und Bestellungen, während Captchas, Zeitkritik und fehlende Kontrollpunkte Stoppschilder bleiben. Entscheidend ist deshalb nicht die Technik allein, sondern das Prozessdesign mit Freigaben, Protokollen und sauberer Zugangsdaten-Verwaltung. Für Betriebe wie den Elektrogroßhandel aus Ludwigsburg heißt das: Die zwei Stunden Abtippen am Tag sind kein Naturgesetz mehr.

Wenn Sie einen solchen Prozess im Haus haben, machen Sie den ersten Schritt konkret: In einem 30-minütigen Gespräch prüfen wir einen Prozess Ihrer Wahl, und Sie erfahren, ob ein Browser-Agent ihn übernehmen kann, welche Absicherung er braucht und mit welchem Aufwand Sie realistisch rechnen sollten. Den Termin bekommen Sie über unsere Kontaktseite.

Quellen

1. Anthropic (2024): Introducing computer use, a new Claude 3.5 Sonnet, and Claude 3.5 Haiku. anthropic.com
2. Anthropic (2025): Computer use tool, Entwicklerdokumentation. platform.claude.com
3. OpenAI (2025): Computer use, Entwicklerdokumentation. developers.openai.com
4. Statistisches Bundesamt (2024): Pressemitteilung Nr. 444: Jedes fünfte Unternehmen nutzt künstliche Intelligenz. destatis.de
5. Bitkom (2025): Durchbruch bei Künstlicher Intelligenz. bitkom.org