Gemini steuert jetzt Browser, Desktop und Android
Google hat Computer Use in der Gemini API am 30. Oktober 2026 allgemein freigegeben. Agenten können damit Programme ohne Schnittstelle per Maus und Tastatur bedienen. Was das Werkzeug kann, welche Sicherungen eingebaut sind und warum sich die Kostenrechnung zum Jahreswechsel verdoppelt.
Viele Abläufe in Unternehmen hängen an Software, die keine Schnittstelle hat: ein altes Warenwirtschaftsprogramm, ein Behördenportal, eine Branchenlösung aus den 2000ern. Genau dafür gibt es Computer Use, also KI-Modelle, die Bildschirme lesen und Maus und Tastatur selbst bedienen. Google hat dieses Werkzeug in der Gemini API am 30. Oktober 2026 allgemein verfügbar gemacht. Damit zieht Google mit Anthropic und OpenAI gleich, die ähnliche Funktionen bereits anbieten.
Was Google freigegeben hat
Laut Changelog der Gemini API ist das Computer-Use-Werkzeug jetzt in beiden Schnittstellen allgemein verfügbar, in der Interactions API und in der GenerateContent API. Die Dokumentation nennt drei Einsatzumgebungen:
- Browser: Klicken, Tippen, Scrollen und Navigieren auf Webseiten
- Desktop: Maus- und Tastaturaktionen auf Betriebssystemebene
- Android: unter anderem Apps öffnen, Apps auflisten und lange Fingerdrücke
Unterstützt werden vier Modelle. Google empfiehlt Gemini 3.8 Flash und beschreibt es als „the recommended model for computer use“ mit genauer Bedienung von Oberflächen und zuverlässigen Werkzeugaufrufen. Für schwierige, mehrstufige Abläufe ist Gemini 4 Argon vorgesehen, als günstige und schnelle Variante Gemini 3.5 Flash-Lite, dazu kommt Gemini 3 Flash Preview.
Eingebaute Bremsen und ihre Grenzen
Jede geplante Aktion kann vom Modell mit einer Sicherheitseinschätzung versehen werden: erlaubt, Bestätigung nötig oder blockiert. Die eigene Anwendung muss bei „Bestätigung nötig“ einen Menschen fragen und blockierte Schritte anhalten. Laut Dokumentation decken die eingebauten Regeln unter anderem Zahlungen, das Ändern sensibler Daten, das Versenden von Nachrichten, das Anlegen von Konten, Cookie- und Datenschutz-Einwilligungen sowie das Akzeptieren von Nutzungsbedingungen ab. Einzelne Regeln lassen sich abschalten.
Ein wichtiges Detail steckt in den Standardeinstellungen: Die Erkennung von Prompt Injection, also versteckten Anweisungen auf Webseiten oder in Bildschirminhalten, ist optional und standardmäßig aus. Wer sie will, muss sie selbst aktivieren. Google ist in seiner Dokumentation zudem auffallend deutlich:
„Computer Use may contain errors and security vulnerabilities.“
Der Konzern empfiehlt, wichtige Aufgaben eng zu überwachen und das Werkzeug nicht für kritische Entscheidungen, sensible Daten oder Aktionen einzusetzen, bei denen sich schwere Fehler nicht korrigieren lassen.
Was es kostet
Computer Use hat keinen eigenen Preis. Laut Preisseite wird es zu den normalen Tokenpreisen des jeweiligen Modells abgerechnet, im kostenlosen Tarif ist es nicht verfügbar. Für das empfohlene Gemini 3.8 Flash heißt das derzeit 0,75 Dollar je Million Eingabe-Token und 3,75 Dollar je Million Ausgabe-Token. Ab dem 1. Januar 2027 verdoppeln sich beide Preise auf 1,50 und 7,50 Dollar. Auch beim größeren Modell läuft ein Einführungspreis aus, wie wir bei Gemini 4 Argon für alle beschrieben haben.
Weil ein Agent für jeden Schritt Bildschirmfotos verarbeitet, kommen bei längeren Abläufen schnell viele Token zusammen. Eine Kalkulation, die im November aufgeht, sollte man daher mit den Preisen ab Januar gegenrechnen.
Wie es sich einordnet
Neu ist die Idee nicht. Anthropic hatte Browsersteuerung bereits im August allgemein freigegeben, OpenAI lässt ChatGPT Tabs in Chrome steuern. Mit der Freigabe bei Google haben nun alle drei großen Anbieter eine Lösung im Angebot. Für Unternehmen heißt das vor allem: mehr Auswahl beim Preis und die Möglichkeit, einen Ablauf mit verschiedenen Modellen zu testen, bevor man sich festlegt.
Was das für Ihr Unternehmen heißt
- Schnittstelle zuerst prüfen: Computer Use ist der Notnagel für Software ohne API. Wo es eine Schnittstelle gibt, ist sie schneller, günstiger und verlässlicher.
- Klein anfangen: Gut geeignet sind wiederkehrende, gut überprüfbare Aufgaben wie das Übertragen von Daten zwischen zwei Programmen. Zahlungen, Vertragsabschlüsse oder Löschungen sollten immer eine menschliche Freigabe brauchen.
- Prompt-Injection-Schutz einschalten: Die Erkennung ist standardmäßig aus. Gerade wenn der Agent fremde Webseiten besucht, sollte sie aktiv sein.
- Eigene Umgebung abschotten: Den Agenten in einer eigenen virtuellen Maschine oder einem eigenen Browserprofil laufen lassen, mit eigenem Benutzerkonto und nur den nötigen Rechten.
- Datenschutz klären: Bildschirmfotos können personenbezogene Daten enthalten, die an Google übertragen werden. Das gehört ins Verarbeitungsverzeichnis und in die Prüfung des Auftragsverarbeitungsvertrags.
- Preise ab Januar einplanen: Kosten pro Durchlauf messen und mit den verdoppelten Preisen ab 2027 hochrechnen.
Fazit
Mit der allgemeinen Freigabe wird Computer Use bei Google vom Experiment zum regulären Werkzeug. Das ist eine gute Nachricht für alle, die alte Software automatisieren wollen, ohne sie zu ersetzen. Google selbst mahnt aber zur Vorsicht, und die Sicherungen müssen teils erst eingeschaltet werden. Wer sauber abgrenzt, Freigaben einbaut und die Kosten ab Januar mitrechnet, kann damit echte Handarbeit sparen. Wenn Sie prüfen möchten, ob sich ein Ablauf in Ihrem Unternehmen so automatisieren lässt, sprechen Sie mich gern an.
