Skyvern AI
Skyvern AI · Sonstiges
Skyvern automatisiert Abläufe im Browser mit KI-Agenten, die Seiten so lesen wie ein Mensch. Das Tool füllt Formulare aus, meldet sich an, löst CAPTCHAs und zieht Daten ohne Selektoren.
Über Skyvern AI
About
Was ist Skyvern
Skyvern ist ein Web-Automatisierungsagent und Werkzeug für KI-Browserautomatisierung vom Anbieter Skyvern AI, einem Y-Combinator-Unternehmen. Er arbeitet als KI-Webagent in einem echten Browser, nicht über eine API. Sie beschreiben den Ablauf in normaler Sprache, und das System öffnet die Seite, sieht sie sich an, entscheidet über den nächsten Klick und tippt in die richtigen Felder.
Das Problem heißt Wartung. Klassische Automatisierung hängt an XPath oder CSS-Selektoren und bricht beim ersten Redesign. Skyvern liest die gerenderte Seite mit Vision-Modellen, deshalb bringt ein verschobener Button den Lauf nicht zum Absturz. Ein Ablauf lässt sich sogar auf Portalen ausführen, die völlig anders aussehen.
Es gibt zwei Wege. Die Cloud unter app.skyvern.com führt die Agenten für Sie aus, inklusive Proxys und CAPTCHA-Unterstützung. Alternativ betreiben Sie alles selbst: Der Code ist unter AGPL-3.0 offen, und eine Docker-Umgebung bringt den kompletten Stack auf Ihre Server. Wer regulierte Daten verarbeitet, wählt meist diese Variante.
Die Grenzen sind real und drehen sich um Kosten und Kontrolle. Jeder Lauf verbraucht Credits, und Seiten mit viel Navigation zehren schnell daran. Ein Agent, der den Bildschirm deutet, trifft außerdem eigene Entscheidungen. Abläufe mit Zahlungen oder juristischen Einreichungen brauchen deshalb eine menschliche Prüfung. Dafür gibt es im Enterprise-Tarif Blöcke für manuelle Eingriffe.
Erste Schritte
- Legen Sie ein Konto auf app.skyvern.com an, oder installieren Sie das Paket mit
pip install "skyvern[all]", wenn Sie selbst hosten wollen. - Tragen Sie in den Einstellungen einen LLM-Schlüssel ein. In der Cloud sind die Modelle verwaltet; eine lokale Installation braucht Ihren eigenen Schlüssel von OpenAI, Gemini oder einem kompatiblen Anbieter.
- Beschreiben Sie die erste Aufgabe im Textfeld, oder öffnen Sie den Workflow-Builder und ziehen Blöcke für Navigation, Extraktion und Anmeldung hinein.
- Starten Sie einen Testlauf in einem Testfenster, sehen Sie sich die aufgezeichneten Schritte an und schärfen Sie die Anweisung dort nach, wo der Agent die Seite falsch liest.
- Planen Sie den Ablauf oder rufen Sie ihn über die API auf, und leiten Sie die JSON- oder CSV-Ausgabe in Ihre Systeme weiter.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Skyvern AI.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Operationsteams, die in Lieferantenportalen versinken
- Entwickler, die fragile Skripte ersetzen
- Backoffice-Teams bei Versicherern und Gesundheitsfirmen
- Einzelentwickler, die eine Idee prüfen
Aufgaben
- Rechnungen von Lieferantenseiten laden
- Dasselbe Formular auf vielen Seiten ausfüllen
- Web-Datenextraktion mit Struktur
- Eine Seite auf Änderungen prüfen
Szenarien
- Der Monatsabschluss drückt auf das Finanzteam
- Ein Portal hat keine API und bekommt nie eine
- Das Scraping-Skript bricht jedes Quartal
Wichtigste Funktionen
Browsersteuerung über Bilderkennung
Skyvern rendert die Seite, zieht Rahmen um interaktive Elemente und fragt ein Vision-Modell, was jedes davon bewirkt. Ein fester Selektor ist nirgends nötig, deshalb stoppt ein geändertes Layout den Lauf nicht. Derselbe Ablauf funktioniert auch auf Seiten, die das System noch nie gesehen hat. Darin liegt der Unterschied zwischen einem Skript pro Portal und einem für alle.
No-Code-Workflow-Builder
Der Builder zerlegt die Automatisierung in Blöcke: navigieren, handeln, extrahieren, anmelden, warten, wiederholen. Sie verketten sie visuell, ergänzen Anweisungen bei Blöcken, die Urteilsvermögen brauchen, und planen das Ergebnis. Wer nicht programmiert, bringt an einem Nachmittag einen lauffähigen Ablauf zustande. Was die Blöcke nicht abbilden, lösen eigene Codeblöcke im Enterprise-Tarif.
CAPTCHA-Lösung und Zwei-Faktor-Anmeldung
Der eingebaute Solver erledigt gängige Bild- und Kästchenprüfungen, im Pro-Tarif übernimmt das fortgeschrittene Modell. TOTP-Codes entstehen während des Laufs, damit der Agent die gesamte Anmeldung abschließt. In den bezahlten Tarifen lässt sich zusätzlich eine Skyvern-SMS-Nummer mieten für Seiten, die einen Code per Nachricht schicken.
Datenextraktion im eigenen Schema
Sie übergeben ein JSON-Schema, und der Agent füllt es aus der Seite, mit Datensätzen statt eines Screenshots. Die Ausgabe kommt als JSON oder CSV und kann am Ende einen Webhook auslösen. Bei Dokumenten lädt Skyvern die Datei, führt OCR aus, klassifiziert sie und leitet das Ergebnis weiter. Damit ist der Weg von der Rechnung bis zum Datensatz abgedeckt.
Proxys und geografische Steuerung
Datacenter-Proxys gehören in jeden Tarif. Pro und Enterprise ergänzen Wohn-Proxys sowie Zielauswahl nach Bundesstaat, Stadt oder Postleitzahl. Das zählt, wenn ein Portal je nach Region andere Inhalte zeigt oder Adressbereiche aus Rechenzentren blockiert.
Offener Code und Playwright-SDK
Der vollständige Code liegt auf GitHub unter AGPL-3.0, mit mehr als 23.000 Sternen zum Zeitpunkt dieses Textes. Das SDK folgt der Playwright-Schnittstelle, deshalb bekommt ein bestehendes Automatisierungsprojekt KI-Elementerkennung mit wenigen geänderten Zeilen. Selbstbetrieb hält Seitendaten und Zugangsdaten im eigenen Netz, und dasselbe Repository läuft lokal mit SQLite oder in Docker mit Postgres.
Nachvollziehbare Läufe
Jeder Lauf speichert die Schritte, die Begründung hinter jeder Aktion und eine Folge von Screenshots. Klickt der Agent daneben, sehen Sie, welches Element er gewählt hat und warum. Fehlersuche wird damit zu einer zwei Minuten langen Durchsicht, und die Compliance-Abteilung erhält einen prüfbaren Nachweis über automatisierte Prozesse.
Vor- und Nachteile
Vorteile
- Die visuelle Elementerkennung beseitigt den größten Teil der Wartung, die Automatisierung mit der Zeit teuer macht.
- Der Gratis-Tarif mit 5.000 Credits reicht für einen echten Ablauf, nicht nur für eine Demo.
- Offener Code unter AGPL-3.0 erlaubt Selbstbetrieb und hält sensible Seitendaten im Haus.
- CAPTCHA-Lösung, Zwei-Faktor-Anmeldung, Proxys und Geotargeting sind im Produkt enthalten, statt vier Anbieter zu verbinden.
- Das Playwright-kompatible SDK führt KI-Agenten ein, ohne eine bestehende Testumgebung neu zu schreiben.
Nachteile
- Der Credit-Verbrauch steigt mit der Seitenkomplexität, lange Abläufe werden teuer, bevor man es merkt.
- Der fortgeschrittene CAPTCHA-Solver und Team-Arbeitsbereiche liegen im Pro-Tarif für 149 $/Monat, für kleine Teams zu viel.
- Vision-Modelle deuten mehrdeutige Buttons gelegentlich falsch, kritische Prozesse brauchen daher eine menschliche Kontrolle.
- Die lokale Installation verlangt Python 3.11 oder neuer und Docker-Kenntnisse, eine echte Hürde ohne Entwicklerhintergrund.
Häufige Fragen
Es führt Browseraufgaben mit KI-Agenten aus. Sie beschreiben den Ablauf in normaler Sprache, Skyvern öffnet den Browser, liest die Seite und übernimmt Klicks, Eingaben und Downloads. Typische Aufgaben sind das Sammeln von Rechnungen, das Ausfüllen von Formularen und Web-Datenextraktion.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Skyvern AI.
Alternativen zu Skyvern AI
Odyssey 3
Odyssey · SonstigesOdyssey-3 ist Odysseys fundamentales Weltmodell. Es simuliert Physik in Echtzeit, macht aus einer Eingabe eine interaktive Umgebung und lässt sich an Roboter, Autos und Spiele anpassen.
JarvisCore
Prescott Data · Coding · Produktivität · SonstigesJarvisCore ist eine Open-Source-Laufzeit in Python, in der KI-Agenten als gleichrangige Peers in einem Mesh arbeiten, Aufgaben aus einem gemeinsamen Register übernehmen und externe Dienste über einen Zero-Trust-Broker erreichen.
Clef
Cloudflare · Business · SonstigesClef ist Cloudflares Open-Source-Entscheidungsmodell für Workers AI. Es liefert kalibrierte Wahrscheinlichkeiten für typisierte Fragen statt Text, damit Agenten schnell klassifizieren, routen und handeln.