Web-Navigation
Web-Navigation bezeichnet die Fähigkeit eines KI-Programms, eine Internetseite selbst zu bedienen: klicken, tippen, scrollen, Formulare ausfüllen. Statt nur Text zu erzeugen, erledigt das Programm damit mehrschrittige Aufgaben im Browser, etwa eine Recherche oder eine Buchung.
Wenn du im Internet etwas erledigst, machst du das über eine Kette kleiner Handlungen. Du gibst eine Adresse ein, liest die Seite, klickst auf einen Link, tippst etwas in ein Feld, scrollst nach unten. Web-Navigation bedeutet, dass ein Computerprogramm genau diese Handlungen selbst ausführt. Es bekommt ein Ziel in normaler Sprache, zum Beispiel: Finde den günstigsten Zug von Hamburg nach München am Freitag. Danach arbeitet es sich Schritt für Schritt durch echte Internetseiten, bis das Ziel erreicht ist oder es aufgibt. Der Unterschied zu einem gewöhnlichen Chatprogramm ist also nicht das Wissen, sondern das Handeln.
Vom Antwortgeber zum Erledigen von Aufgaben
Bisher lieferten KI-Programme vor allem Text. Sie erklärten dir, wie man ein Bahnticket bucht, aber gebucht hast du selbst. Web-Navigation verschiebt diese Grenze. Das Programm liefert nicht mehr die Anleitung, sondern das Ergebnis. Genau deshalb gilt sie in der Branche als einer der wichtigsten Entwicklungsschritte der letzten Jahre.
Wirtschaftlich ist das interessant, weil unglaublich viel Büroarbeit aus Klicks besteht. Bestellungen in ein System eintragen, Preise von zwanzig Anbietern vergleichen, Daten aus einem Portal in eine Tabelle kopieren. Solche Tätigkeiten sind stumpf, dauern aber Stunden. Ein Programm, das sie zuverlässig übernimmt, spart Unternehmen echtes Geld. Deshalb investieren große Anbieter wie OpenAI, Google und Anthropic stark in diese Richtung.
Es gibt aber auch eine Schattenseite. Ein Programm, das selbstständig klickt, kann auch etwas Falsches kaufen, ein Konto löschen oder auf einen Betrugsversuch hereinfallen. Bei einem reinen Textfehler ärgerst du dich. Bei einem Klickfehler ist unter Umständen Geld weg. Deshalb ist die zentrale offene Frage nicht, ob es funktioniert, sondern wie verlässlich.
Sehen, entscheiden, klicken
Der Ablauf ist eine Schleife, die sich immer wiederholt. Zuerst nimmt das Programm die Seite wahr. Das geschieht entweder über einen Screenshot, also ein Bild des Bildschirms, oder über den Quelltext der Seite, also den Bauplan aus dem sie besteht. Aus dieser Wahrnehmung entsteht eine Beschreibung dessen, was gerade sichtbar ist.
Im zweiten Schritt entscheidet das Sprachmodell über die nächste Handlung. Es wählt aus einem festen Vorrat an Aktionen: klicke auf dieses Element, tippe diesen Text, scrolle, gehe zurück, warte. Diese Aktion wird an den Browser weitergereicht und ausgeführt. Danach beginnt die Schleife von vorn, denn die Seite sieht jetzt anders aus. Für eine Buchung können so leicht dreißig oder vierzig Runden nötig sein.
Das größte Problem dabei ist die Fehleranhäufung. Wenn jeder einzelne Schritt zu 95 Prozent stimmt, ist eine Kette aus zwanzig Schritten schon deutlich unter 50 Prozent zuverlässig. Ein Mensch merkt schnell, dass er sich verlaufen hat, und geht zurück. Ein Programm bemerkt das oft nicht und arbeitet stur weiter. Aktuelle Systeme lösen deshalb Testaufgaben aus dem Alltag nur in ungefähr der Hälfte bis zwei Dritteln der Fälle korrekt.
Wo solche Agenten schon unterwegs sind
Am sichtbarsten sind die Funktionen der großen Anbieter. OpenAI bietet einen Modus an, in dem das Programm in einem eigenen Browserfenster Aufgaben erledigt. Google und Anthropic haben vergleichbare Werkzeuge, die einen Computer bedienen können. In Nachrichtenmeldungen tauchen sie meist unter dem Stichwort Agenten auf, also Programme, die eigenständig Handlungsschritte ausführen.
Weniger sichtbar, aber verbreiteter ist der Einsatz in Firmen. Dort ersetzt Web-Navigation zunehmend ältere Automatisierungssoftware, die starr festgelegten Klickpfaden folgte. Deren Schwäche war: sobald eine Seite ihr Aussehen änderte, brach der Ablauf zusammen. Ein KI-gestützter Agent findet den geänderten Knopf oft trotzdem, weil er die Seite inhaltlich versteht.
Für dich persönlich hat das eine praktische Seite. Viele Webseiten wehren sich gegen automatische Zugriffe, etwa mit Rätseln, die Menschen von Maschinen unterscheiden sollen. Zwischen Seitenbetreibern und Agentenanbietern entsteht daraus gerade ein Tauziehen. Ein häufiger Irrtum ist übrigens, Web-Navigation mit einer Websuche zu verwechseln. Suchen heißt Informationen finden, navigieren heißt auf der gefundenen Seite tatsächlich etwas tun.