Browser Use
Browser Use · Coding · Sonstiges
Browser Use ist ein Framework zur Browser-Automatisierung mit KI für Agenten. Du beschreibst die Aufgabe in normaler Sprache, der Agent liest die Seite und führt sie aus, lokal per Python-Bibliothek oder in der Cloud.
Über Browser Use
About
Was ist Browser Use
Browser Use ist ein Framework zur Browser-Automatisierung, das für KI-Agenten gebaut ist. Statt Selektoren und Klickschritte von Hand zu schreiben, beschreibst du die Aufgabe in Alltagssprache, und der Agent öffnet einen echten Browser, liest die Seite und entscheidet den nächsten Schritt. Das Projekt startete als Open-Source-Python-Bibliothek und läuft heute sowohl so als auch als gehostete Cloud-Plattform.
Das Problem, das es löst, ist zerbrechliche Automatisierung. Ältere Werkzeuge wie Selenium und Playwright brauchen exakte Elementpfade, weshalb ein geänderter Klassenname das Skript bricht. Dieses Automatisierungs-Framework gibt dem Modell eine reduzierte Ansicht der Seite, mit beschrifteten klickbaren Elementen, und lässt es sich anpassen, wenn sich das Layout verschiebt. So wird aus starrem Scripting echte Web-Automatisierung, die auch bei wechselnden Seiten hält. Darum passt es zu Scraping, Formularen und mehrstufigen Abläufen, bei denen sich die Seite oft ändert.
Es gibt zwei Wege, und die Wahl zählt. Die Open-Source-Bibliothek ist unter der MIT-Lizenz kostenlos, läuft auf deinem Rechner und hält die Daten lokal, doch das LLM und den Browser stellst du selbst. Die Cloud ist ein bezahlter Dienst nach Verbrauch, der getarnte Browser, CAPTCHA-Behandlung und verwaltete Infrastruktur ergänzt, und sie rechnet nach Nutzung ab statt per Abo.
Erste Schritte
- Installiere das Python-Paket mit pip oder uv (Python 3.11 oder neuer) und lass den Installer eine Chromium-Version laden
- Trage einen API-Schlüssel in eine .env-Datei ein, entweder einen Browser-Use-Schlüssel oder deinen eigenen von OpenAI, Google oder Anthropic
- Erstelle einen Agenten mit einer Aufgabe in Alltagssprache und wähle das Modell, mit dem er denken soll
- Starte den Agenten und sieh ihm im Browser zu, danach liest du das strukturierte Ergebnis, das er am Ende ausgibt
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Browser Use.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler, die KI-Agenten bauen
- Daten- und Rechercheteams
- QA- und Testingenieure
- Automatisierungs- und Betriebsteams
Aufgaben
- Scraping und Datenextraktion
- Formulare ausfüllen und absenden
- Recherche und Beobachtung
- Agenten-Prototyping
- Geplante Prüfungen
Szenarien
- Ein Shop ändert monatlich sein Layout
- Du brauchst Preise von einem Dutzend Seiten auf einmal
- Eine Anmeldung steckt hinter einem CAPTCHA
- Deine Daten sollen auf deinem Rechner bleiben
- Ein Team liefert wöchentlich UI-Änderungen
Wichtigste Funktionen
Aufgabe beschreiben, Selektoren vergessen
Du schreibst in Alltagssprache, was erledigt werden soll, und der Agent leitet die Schritte ab. Er liest eine reduzierte Ansicht der Seite, in der interaktive Elemente nummeriert und beschriftet sind, und wählt die nächste Aktion. Darin liegt der Kernunterschied zu Selenium und Playwright, wo du jedes Element benennst und selbst wartest. Ändert sich ein Klassenname, liest der Agent die Seite neu und passt sich an, statt zu scheitern.
Funktioniert mit jedem großen LLM
Die Bibliothek dockt an die Modelle an, die du ohnehin bezahlst. Sie unterstützt unter anderem OpenAI, Anthropic, Google, Azure, Groq und lokale Modelle über Ollama, sodass du nach Kosten oder Geschwindigkeit wählst. Das Unternehmen liefert zudem sein eigenes Modell ChatBrowserUse, das laut eigener Aussage Browseraufgaben drei- bis fünfmal schneller abschließt als ein Allroundmodell. Ein Modellwechsel ist eine Einstellungssache, keine Neuentwicklung.
Open-Source-Kern unter MIT-Lizenz
Die browser-use-Bibliothek in Python ist kostenlos und offen unter der MIT-Lizenz, mit über 117.000 Sternen auf GitHub. Sie ist damit ein vollwertiger Open-Source-Browser-Agent, den du auf eigener Hardware betreiben kannst. Du kannst jede Zeile lesen und ändern und die Aufgabendaten auf deinem Rechner behalten. Für Teams mit strengen Datenregeln ist dieser lokale Weg oft der Grund, Browser Use einem geschlossenen Cloud-Agenten vorzuziehen.
Getarnte Browser und CAPTCHA-Behandlung
Die Cloud betreibt Browser, die auf Unauffälligkeit gebaut sind, mit hochwertigen Wohn-Proxys standardmäßig aktiv. In ihrem eigenen Test über 71 Seiten erreichten ihre Browser 81 Prozent der geschützten Seiten und lagen damit vor mehreren genannten Wettbewerbern. Das zählt, wenn eine Seite einfache Automatisierung blockt, denn die Aufgabe läuft weiter, statt an einer Prüfseite zu hängen.
Planbare Abrechnung nach Verbrauch
Die Cloud hat kein Abo. Du kaufst Guthaben ab 5 Dollar, es verfällt nie, und Browser kosten 0,02 Dollar pro Stunde plus Traffic. Ein Agent kostet die Modell-Token plus 20 Prozent Servicegebühr, die Browserzeit kommt obendrauf. Neue Konten erhalten ein kleines Gratisguthaben, und berechtigte Anmeldungen bekommen einmalig 15 Dollar Guthaben, damit du die Kosten an einer echten Aufgabe prüfst, bevor du ausgibst.
Verwaltete Browser-Infrastruktur und API
Neben dem Agenten verkauft die Cloud den Browser selbst als Dienst für deinen eigenen Code. Du steuerst ihn über eine API, und dieselbe Plattform kümmert sich um Sitzungen, Profile und Arbeitsbereiche. Die Parallelität beginnt bei 10 Sitzungen und steigt mit deinem Umsatz bis auf 1.000. Teams mit eigenem Agenten können nur die Browser-Schicht mieten und die Modellgebühr sparen.
Vor- und Nachteile
Vorteile
- Die Open-Source-Bibliothek ist unter der MIT-Lizenz kostenlos, du testest den ganzen Ansatz also ohne Kosten
- Der Agent passt sich Seitenänderungen an, was die Wartung senkt, an der ältere Skripte scheitern
- Es werden viele Modelle unterstützt, auch lokale über Ollama, du bist also nicht an einen Anbieter gebunden
- Die Cloud rechnet nach Verbrauch ab, Guthaben verfällt nie, und es gibt kein Abo zu kündigen
- Getarnte Browser und CAPTCHA-Behandlung sind enthalten, was Playwright allein nicht bietet
Nachteile
- Die Bibliothek verlangt weiterhin einen LLM-Schlüssel und einen laufenden Browser, ist also kein Werkzeug ohne Einrichtung
- Jeder Schritt eines Agenten verbraucht Modell-Token, wodurch lange Aufgaben teurer werden als ein geschriebenes Skript
- Die Cloud mit getarnten Browsern und CAPTCHA-Lösung ist das, was die meisten Nicht-Entwickler brauchen, und dieser Teil ist kostenpflichtig
- Schnell wechselnde Dokumentation und versionierte APIs (V2, V3 und V4) bedeuten, dass du prüfen musst, welche Anleitung zu deinem Aufbau passt
Häufige Fragen
Dieser KI-Webagent automatisiert Webaufgaben mit KI. Du beschreibst die Arbeit in Alltagssprache, und der Agent öffnet einen Browser, liest die Seite und führt die Schritte aus, vom Formular und Scraping bis zu mehrstufigen Abläufen. Entwickler geben damit ihren eigenen Agenten ein Browser-Werkzeug, und Nicht-Entwickler nutzen die Cloud, um Aufgaben ohne Code laufen zu lassen.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Browser Use.
Alternativen zu Browser Use
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.