Operator

Wenn die KI für Sie „surft“: Was bringt Operator wirklich?

In den Jahren des rasanten Fortschritts generativer KI haben wir uns daran gewöhnt, Modelle Gedichte schreiben, programmieren und Fragen beantworten zu lassen – doch stets blieb eine Bildschirmbarriere. Der neu von OpenAI vorgestellte Operator legt der KI nun erstmals die Hände direkt in den Browser. Dabei handelt es sich nicht um ein simples Webanalyse-Tool, sondern um einen autonomen Agenten, der Benutzeroberflächen versteht, Schaltflächen klickt, Formulare ausfüllt und durch Seiten scrollt. Wir haben eine Woche lang intensive Praxiserfahrung gesammelt, um die entscheidende Frage zu beantworten: Wie verlässlich ist es wirklich, eine KI wie einen Menschen Webseiten bedienen zu lassen?

Kernvorteil: Das System wie ein Mensch „sehen“ und bedienen

Der grundlegendste Durchbruch von Operator liegt im veränderten Interaktionsparadigma. Herkömmliche Automatisierungsskripte sind auf feste Element-Selektoren angewiesen – wird die Website überarbeitet, brechen sie zusammen. Operator hingegen arbeitet auf Basis von Screenshots und visuellem Verständnis, ganz so, als würde ein Mensch das Layout betrachten und anschließend handeln. Das bedeutet, dass es ein gewisses Maß an Veränderungen der Benutzeroberfläche verkraftet und bei unerwarteten Pop-ups, Captchas oder Weiterleitungen sogar aktiv pausiert und um manuelles Eingreifen bittet. Bei einem Bestellvorgang beobachteten wir, wie es nacheinander die Restaurantseite öffnete, die Speisekarte durchging, ausgewählte Gerichte in den Warenkorb legte und schließlich auf der Zahlungsbestätigungsseite auf die manuelle Prüfung wartete. Der gesamte Ablauf war so reibungslos, dass er kaum an eine Maschine denken ließ.

Ein weiterer unterschätzter Vorteil liegt in der cloudbasierten Ausführung. Operator führt Aufgaben in einem entfernten Browser aus, sodass Nutzer ihren eigenen Rechner ausschalten können, während der Auftrag weiterläuft. Das ist von enormem praktischem Wert bei Aufgaben, die lange Wartezeiten erfordern – etwa beim Anstehen in Ticket-Warteschlangen oder bei zeitgesteuerten Bestellungen. Darüber hinaus ist das Sicherheitsmodell vergleichsweise umsichtig konzipiert: Bei sensiblen Schritten wie Anmeldung oder Bezahlung fordert es die Nutzer ausdrücklich auf, persönlich anwesend zu sein oder zu bestätigen, und vermeidet so typische Risiken von Automatisierungstools.

Zielgruppen: Von Effizienz-Fans bis zu digital benachteiligten Personen

Auf den ersten Blick scheint Operator für Technikbegeisterte gemacht zu sein, die sich wiederholende Web-Aufgaben leid sind. In der Praxis zeigte sich jedoch eine deutlich breitere Zielgruppe als erwartet.

• Vielnutzer von Online-Transaktionen: Menschen, die häufig Flüge, Hotels oder Restaurants buchen oder regelmäßig Büromaterial bestellen müssen. Operator kann mehrstufige Prozesse wie Preisvergleich, Dateneingabe und Auftragsbestätigung in eine einzige natürlichsprachliche Anweisung komprimieren.
• Nutzer mit Barrieren bei der Web-Bedienung: Ältere Menschen oder Personen, die mit komplexen Web-Interaktionen nicht vertraut sind, werden oft durch verschachtelte Menüs und dichte Informationsfülle abgeschreckt. Mit einer gesprochenen Anweisung wie „Mach mir für nächsten Dienstag einen Termin in der allgemeinen Inneren Abteilung dieses Krankenhauses“ sinkt die technische Hürde nahezu auf null.
• Kleine Teams und Freiberufler: Ohne eigene IT-Unterstützung, aber mit hohem Aufkommen an Online-Formularen, Datenerfassung und Wettbewerbsrecherche. Operator übernimmt hier in gewisser Weise die Rolle eines virtuellen Praktikanten – zu weit geringeren Kosten als eine Neueinstellung oder die Entwicklung maßgeschneiderter Skripte.

Nutzererfahrung: Noch nicht perfekt, aber mit klarer Richtung

In unseren Praxistests ließ sich die Leistung von Operator als „Mischung aus Begeisterung und Zurückhaltung“ zusammenfassen. Bei einer Zugticket-Buchung für ein bestimmtes Datum und eine bestimmte Tageszeit konnte es Zugverbindungen korrekt suchen, Sitzplätze filtern und Reisende auswählen, hielt jedoch zuverlässig beim abschließenden Bezahlschritt an, um auf Bestätigung zu warten. Dieser Mechanismus des „aktiven Abbremsens“ mag das Tempo etwas drosseln, vermittelt aber ein beruhigendes Gefühl der Sicherheit. Während der Aufgabenausführung werden auf der rechten Seite in Echtzeit die Gedankenschritte und die aktuell gesehenen Screenshots angezeigt – die Transparenz ist hoch. Sollte die KI einmal falsch verstehen, etwa einen „Fensterplatz“-Wunsch auf die falsche Schaltfläche beziehen, kann der Nutzer jederzeit pausieren und korrigieren. Nach der Korrektur macht die KI nahtlos an der Unterbrechungsstelle weiter, ohne von vorne beginnen zu müssen.

Allerdings ist die Geschwindigkeit derzeit ein deutlicher Schwachpunkt. Da jeder einzelne Schritt auf visueller Analyse basiert, kann selbst ein simpler Bestellvorgang ein bis zwei Minuten dauern – deutlich langsamer als bei manueller Bedienung. Zudem gerät Operator bei stark individualisierten Websites mit vielen nicht standardisierten Interaktionselementen gelegentlich ins Stocken und kommt trotz wiederholter Versuche nicht voran. Angesichts der frühen Entwicklungsphase sind diese Probleme jedoch durchaus akzeptabel. Entscheidend ist, dass der grundsätzliche Ansatz eines universellen Web-Agenten funktioniert.

Insgesamt versucht Operator nicht, den Menschen sofort zu ersetzen, sondern gezielt jene Web-Routineaufgaben aufzufangen, die wir nicht erledigen wollen, zu mühsam finden oder für die uns schlicht die Zeit fehlt. Wenn die KI im Browser beginnt, für uns Schlangen zu stehen, Formulare auszufüllen und Preise zu vergleichen, könnte ein neues Kapitel der Mensch-Maschine-Beziehung bereits leise aufgeschlagen worden sein.