Die besten AI Browser Agents 2026: 11 Tools zur Automatisierung von Websites ohne API

Stand August 2026. Browser Use und Skyvern sind die besten AI Browser Agents für Engineering-Teams, die sich auf einer echten Website anmelden und eine mehrstufige Aufgabe abschließen müssen, obwohl keine API verfügbar ist. Claude in Chrome und Googles Auto Browse passen besser, wenn Sie lieber eine leichtere Version derselben Fähigkeit in einem Abonnement nutzen möchten, das Sie ohnehin bezahlen. Dieser Ratgeber bewertet 11 echte Agents und die Infrastrukturebene darunter danach, wie jeder von ihnen eine Seite tatsächlich wahrnimmt (DOM-Elemente oder Screenshot), wer Ihre Zugangsdaten verwahrt, während er arbeitet, und was die eigenen Anti-Bot-Abwehrmaßnahmen einer Ziel-Website für Ihren Rollout bedeuten. Die Preise wurden im August 2026 direkt auf den Anbieterseiten geprüft.

Dies ist eine engere Kategorie als „AI-Agent-Plattform“. Eine Plattform wie die in unserem Überblick über die besten AI-Agent-Plattformen könnte eine CRM-API aufrufen oder einen Webhook auslösen. Ein Browser Agent steuert dagegen physisch ein Chromium-Fenster, dasselbe, das auch ein Mensch benutzen würde, weil die Ziel-Website gar keine API hat. Diese Einschränkung ist auch der Grund, warum diese Kategorie in den letzten 18 Monaten stärker im Umbruch war als fast jeder andere Bereich der AI: OpenAI hat seit Januar 2025 zwei verschiedene Browser-Produkte eingeführt und wieder eingestellt, und Google hat seinen eigenen Forschungsprototyp im Mai 2026 abgeschaltet und die Fähigkeit direkt in Chrome integriert. Übrig bleibt eine Mischung aus Startups, die genau für diese Aufgabe gebaut wurden, und Anbietern von Foundation Models, die eine abgespeckte Version in ein Abonnement packen. Für die zugrunde liegende Definition, auf der beide Gruppen aufbauen, siehe Was ist ein AI Agent. Für Einzweck-AI-Software, die einen Menschen unterstützt, statt eigenständig zu handeln, siehe die besten AI Agents 2026.

Wichtige Fakten

• 47,9% des gesamten AI-Bot-Traffics im globalen Netzwerk von Akamai von Juli bis Dezember 2025 entfielen auf Commerce-Websites, die mit Abstand größte Zielkategorie, wobei die Bot-Aktivität allein im asiatisch-pazifischen Raum im selben Zeitraum um 63% stieg, laut Akamais Studie 2026 zu agentischem Betrug.
• 57,3% der befragten Organisationen betreiben inzwischen AI Agents im Produktivbetrieb, doch „Qualität“, also die Genauigkeit und Konsistenz, mit der ein Agent eine Aufgabe korrekt abschließt, ist die am häufigsten genannte Hürde für den Einsatz weiterer Agents, noch vor Latenz und Sicherheit, laut der Umfrage State of Agent Engineering von LangChain unter mehr als 1.340 Praktikern.
• Sicherheitsbedenken nennen fast ein Viertel (24,9%) der großen Unternehmen als zentrales Hindernis für den Einsatz von Agents, deutlich mehr als im Durchschnitt über alle Unternehmensgrößen, laut derselben LangChain-Umfrage. Diese Lücke wiegt bei einem Browser Agent schwerer als bei fast jeder anderen Art, denn er ist derjenige, der Ihre Login-Session hält.
• Gartner prognostiziert, dass mehr als 40% der agentischen AI-Projekte bis Ende 2027 eingestellt werden, und nennt unklaren Geschäftsnutzen und unzureichende Risikokontrollen als Gründe, dieselben zwei Kräfte, die einen unbeaufsichtigten Browser Agent schwerer verkäuflich machen als einen Chatbot.
• Der Anteil der Unternehmen, die fertige AI-Lösungen kaufen, statt eigene zu bauen, stieg von 53% im Jahr 2024 auf 76% im Jahr 2025, laut State of Generative AI in the Enterprise von Menlo Ventures. Diese Verschiebung wirkt unmittelbar in Kategorien wie dieser, in der ein speziell gebauter Agent ein individuelles Skript schlägt.
• Im WebArena-Benchmark lösen menschliche Tester Web-Aufgaben auf eingefrorenen Test-Websites in 78,24% der Fälle korrekt. Die ursprüngliche Baseline von 2023 für einen frühen, auf GPT-4 basierenden Agent lag bei 14,41%, und selbst das beste veröffentlichte Forschungssystem erreicht 2026 nur 71,2%, laut einer neueren, auf WebArena basierenden Studie. Das ist die Lücke, die sich aus der Verkettung von Schrittfehlern über eine lange Aufgabe ergibt.

Schnellvergleich

So wählen Sie 2026 einen AI Browser Agent aus

Die meisten Teams, die diese Kategorie bewerten, lassen sich von der Demo leiten, bevor sie verstehen, was sie eigentlich kaufen. Arbeiten Sie vor dem Anbietervergleich vier Fragen durch, die für einen Browser Agent spezifisch sind und sich beim Kauf eines Chatbots oder eines Agents für interne Tools nicht auf dieselbe Weise stellen.

1. Sieht er das DOM oder einen Screenshot?

Ein DOM-basierter Agent liest die zugrunde liegende Struktur der Seite, also ihre HTML-Elemente oder den Accessibility-Baum, um zu entscheiden, worauf er klickt. Das ist auf einer gut strukturierten Website schnell und präzise, und deshalb setzen Browser Use und Stagehand standardmäßig darauf. Es scheitert auf zwei vorhersehbare Arten: auf Websites, die echte Inhalte hinter einem Canvas oder starkem Client-seitigem Rendering verbergen, und auf Websites, die ihr Markup bewusst verschleiern, um Automatisierung zu erschweren.

Ein vision-basierter Agent betrachtet einen gerenderten Screenshot so, wie es ein Mensch tut, und entscheidet dann anhand dessen, was er sieht, wohin er klickt. Darauf beruht Skyverns gesamtes Angebot: Weil er keine Selektoren auswertet, kann er auf einer Website arbeiten, die er noch nie gesehen hat, ohne zu brechen, wenn sich ein Klassenname ändert. Der Kompromiss sind Geschwindigkeit und Präzision. Ein Vision-Modell kann sich bei zwei optisch ähnlichen Schaltflächen verklicken, was einem DOM-basierten Agent, der das tatsächliche Element liest, nie passieren würde.

Die meisten ernstzunehmenden Agents machen inzwischen beides. Die Primitive act, observe und extract von Stagehand laufen standardmäßig auf dem DOM, greifen aber auf ein Vision-Modell zurück, wenn die Struktur allein mehrdeutig ist, und Amazon Nova Act beschreibt seinen eigenen Ansatz als vertikal integriertes Modell, das durchgängig über einen Orchestrator und einen Browser-Aktuator trainiert wurde, und nicht als einzelne Technik. Fragen Sie jeden Anbieter, was der Standard und was der Fallback ist, denn diese Antwort sagt voraus, wie Ihre Fehler aussehen werden.

2. Wer verwahrt tatsächlich Ihre Zugangsdaten?

Das ist die Frage, die die meisten Teams überspringen, bis etwas schiefgeht. Ein Browser Agent, der sich in einem echten Konto anmeldet, ist ein Produkt für den Umgang mit Zugangsdaten, ob er sich so vermarktet oder nicht, und die Anbieter auf dieser Liste gehen dabei deutlich unterschiedlich vor.

Das Muster, das auffällt: Die Tools für den unbeaufsichtigten Produktivbetrieb (Skyvern, Nova Act) behandeln Zugangsdaten als Infrastruktur, die verwahrt und eng begrenzt werden muss, während die Tools für die eigene Browsing-Session einer Einzelperson (Claude in Chrome, Auto Browse) stattdessen darauf setzen, für die menschliche Freigabe anzuhalten. Keiner der Ansätze ist falsch, aber die zweite Art für die Aufgabe der ersten einzusetzen, etwa einen unbeaufsichtigten nächtlichen Job auf der persönlichen SSO-Session eines Mitarbeiters, ist genau der Weg, auf dem aus einem Browser Agent ein Sicherheitsvorfall wird. AI Agent Security behandelt Threat Modeling und Least-Privilege-Zugriff für Agents ausführlicher, und AI Agent Guardrails behandelt die harten Grenzen, die unabhängig davon gelten sollten, was dem Agent aufgetragen wird.

3. Was bedeutet die eigene Abwehr der Ziel-Website für Sie?

CAPTCHA- und Bot-Erkennungssysteme existieren, weil Websites standardmäßig nicht automatisiert werden wollen, und mehrere Anbieter auf dieser Liste verkaufen das Überwinden dieser Systeme als kostenpflichtige Funktion: Skyverns erweiterter CAPTCHA-Solver steckt hinter dem Tarif Pro, und sowohl Steel als auch Hyperbrowser rechnen CAPTCHA-Lösungen pro Credit ab. Dass diese Fähigkeit existiert, klärt nicht, ob ihr Einsatz zulässig ist. Die Nutzungsbedingungen der meisten kommerziellen Websites schränken automatisierten Zugriff in irgendeiner Form ein, und ein technisch erfolgreicher Workflow, der gegen die Bedingungen einer Ziel-Website verstößt, bleibt eine geschäftliche und rechtliche Entscheidung, die Ihr Team verantwortet und die nicht die Fähigkeit des Agents für Sie trifft. Lesen Sie die Bedingungen der Ziel-Website, bevor Sie etwas automatisieren, das über ein von Ihnen kontrolliertes Konto hinausgeht, und planen Sie die Position für das Lösen von CAPTCHAs separat ein, da sie selten im beworbenen Einstiegspreis eines Anbieters enthalten ist.

4. Warum scheitert ein Agent mit 95% Zuverlässigkeit trotzdem in der Hälfte der Fälle?

Weil sich Fehler verketten. Wenn ein Agent jeden einzelnen Schritt (Feld finden, Wert lesen, Schaltfläche klicken) mit 95% Wahrscheinlichkeit erfolgreich ausführt, liegt seine Chance, eine Aufgabe mit 20 Schritten von Anfang bis Ende korrekt abzuschließen, bei etwa 0,95 hoch 20, also rund 36%. Das ist kein Mangel eines bestimmten Anbieters, sondern Arithmetik. Es ist auch der Grund, warum die Lücke zwischen Benchmark und Produktivbetrieb in der Praxis so groß ist: Die von WebArena selbst veröffentlichten Zahlen für 2026 setzen das stärkste Forschungssystem bei 71,2% an, in einer eingefrorenen, selbst gehosteten Testumgebung, in der sich die Seite nie bewegt und die Session nie abläuft. Eine echte Ziel-Website bringt Rate Limits, Layout-Änderungen, Popups und Session-Timeouts mit, mit denen ein Benchmark nicht umgehen muss. Planen Sie darum, lange Workflows in kürzere Abschnitte zu unterteilen, die ein Mensch zwischen den Schritten prüft, statt darauf zu vertrauen, dass ein langer unbeaufsichtigter Lauf von selbst korrekt zu Ende geht.

Noch eines, bevor es zu den einzelnen Porträts geht: Fast keiner der Preise in der obigen Tabelle ist die ganze Rechnung. Browser-Stunden, Proxy-Bandbreite und CAPTCHA-Lösungen werden bei nahezu jedem Infrastrukturanbieter hier separat vom Basisabonnement gemessen und abgerechnet. Rechnen Sie daher Ihr tatsächliches Aufgabenvolumen gegen die Nutzungssätze in den einzelnen Porträts durch und nicht nur gegen den Listenpreis.

Tabelle zu Unternehmensgröße und Persona

---

1. Browser Use: Der Open-Source-Standard für Engineering-Teams

Das ganze Angebot von Browser Use beruht darauf, dass die Agent-Ebene Sie weder an das Modell eines Anbieters noch an dessen Infrastruktur binden sollte. Die Open-Source-Python-Bibliothek liest eine vereinfachte Darstellung der interaktiven Elemente einer Seite (primär DOM-basiert) und greift auf ein Vision-Modell zurück, wenn diese Struktur allein die nächste Aktion nicht klärt, und sie funktioniert mit jedem LLM, auf das Sie sie richten: OpenAI, Anthropic, Gemini oder ein selbst gehostetes Modell.

Diese Flexibilität ist der Grund, warum es in den Evaluierungen der meisten Engineering-Teams als Standard-Ausgangspunkt auftaucht. Sie können die Kernbibliothek kostenlos auf Ihrer eigenen Infrastruktur und ganz ohne Abonnement betreiben und erst dann zur Managed Cloud wechseln, wenn Sie Parallelität oder Session-Infrastruktur brauchen, die Sie nicht selbst betreiben wollen.

Preise: Free (10 Agent-Aufgaben/Monat, 3 parallele Sessions); Pay As You Go (Credits ab $5, kein Abonnement); Dev $29/Monat ($290/Jahr); Business $299/Monat ($2.990/Jahr, 200 parallele Sessions); Scaleup $999/Monat ($9.990/Jahr, 500 parallele Sessions); Enterprise individuell. Nutzung: Cloud-Browser-Sessions $0,02/Stunde, verwalteter Residential Proxy $5/GB ($4/GB bei Scaleup). Quelle: browser-use.com/pricing.

Am besten geeignet für: Engineering-Teams, die eine Open-Source-Basis ohne Bindung an ein Modell wollen, die sie kostenlos betreiben oder in der Managed Cloud ohne Vendor-Lock-in skalieren können.

---

2. Skyvern: Vision-basierte Steuerung mit echtem Credential-Tresor

Skyvern setzt auf Vision-basierte Steuerung, um gezielt das Problem zu lösen, mit dem DOM-basierte Agents kämpfen: auf einer Website zu arbeiten, die er noch nie gesehen hat, ohne dass ein brüchiger Selektor bricht, sobald ein Anbieter eine Seite neu gestaltet. Dazu kommt der vollständigste Funktionsumfang für den Umgang mit Zugangsdaten auf dieser Liste: gespeicherte Zugangsdaten, 2FA- und TOTP-Unterstützung sowie direkte Integrationen mit 1Password und Bitwarden. Das zählt, wenn Ihr tatsächlicher Anwendungsfall darin besteht, sich in einem Dutzend verschiedener Anbieter-Portale anzumelden, statt Ihr eigenes Produkt zu automatisieren.

Die Kern-Engine ist Open Source unter AGPL-3.0, sodass Sie sie selbst hosten und nur Ihre eigene Infrastruktur und LLM-Nutzung bezahlen können, wenn Sie den Support oder die CAPTCHA-Lösung der Managed Platform nicht brauchen.

Preise: Free ($0/Monat, 5.000 Credits, 1 paralleler Lauf); Hobby $29/Monat (30.000 Credits, 10 parallele Läufe, einfacher CAPTCHA-Solver, gespeicherte Zugangsdaten); Pro $149/Monat (150.000 Credits, 25 parallele Läufe, erweiterter CAPTCHA-Solver, 2FA/TOTP, 1Password-Integration, Residential Proxy); Enterprise individuell (100 parallele Läufe, HIPAA, SOC-2, Azure Key Vault, Bitwarden, Human-in-the-Loop). Quelle: skyvern.com/pricing.

Am besten geeignet für: Teams, die einen Credential-Tresor, 2FA-Unterstützung und CAPTCHA-Handling integriert brauchen, besonders für die Anmeldung in Konten von Drittanbietern oder Kunden statt in Ihrem eigenen Produkt.

---

3. Browserbase und Stagehand: Playwright-Präzision plus AI-Reasoning-Ebene

Browserbase verkauft die Infrastruktur: verwaltete Headless-Chromium-Sessions, persistenten Auth-Zustand über Läufe hinweg (seine Funktion „Contexts“), Proxy-Management und CAPTCHA-Lösung. Stagehand, das kostenlose Open-Source-SDK, das Browserbase gebaut hat und pflegt, verkauft die darüberliegende Steuerungsebene und gibt Entwicklern deterministische Befehle auf Playwright-Niveau (act, observe, extract) neben AI-Primitiven für die Schritte, die Urteilsvermögen statt eines festen Selektors brauchen.

Die Kombination kommt auf dieser Liste dem Prinzip „echten Code schreiben und das Reasoning nur dort abgeben, wo man es wirklich braucht“ am nächsten. Stagehand selbst ist infrastrukturunabhängig und lässt sich in LangChain, CrewAI und andere Frameworks einbinden, doch der Betrieb auf den verwalteten Sessions von Browserbase ist der schnellste Weg von null zu einem funktionierenden Agent.

Preise: Free ($0, 3 parallele Browser, 1 Browser-Stunde, 3 Agent-Läufe, kein Proxy enthalten); Developer $20/Monat (25 parallel, 100 Browser-Stunden, danach $0,12/Stunde, 1GB Proxy, danach $12/GB); Startup $99/Monat (100 parallel, 500 Browser-Stunden, danach $0,10/Stunde, 5GB Proxy, danach $10/GB, 30 Tage Aufbewahrung); Scale individuell (250+ parallel, HIPAA/DPA, SSO). Quelle: browserbase.com/pricing.

Am besten geeignet für: Entwicklerteams, die deterministische Steuerung auf Playwright-Niveau wollen, wenn sie sie wollen, und AI-Reasoning, wenn nicht, auf verwalteter Infrastruktur, die sie nicht selbst betreiben müssen.

---

4. Steel.dev: Open-Source-freundliche Infrastruktur mit integrierter CAPTCHA-Lösung

Steel nimmt dieselbe Infrastrukturrolle ein wie Browserbase: verwaltete Headless-Browser-Sessions, Proxys, CAPTCHA-Lösung, setzt aber stärker auf einen Open-Source-freundlichen kostenlosen Tarif. Das einmalige Guthaben von $30 im Tarif Launch reicht für etwa 300 Browser-Stunden, 3GB Proxy-Bandbreite und rund 10.000 CAPTCHA-Lösungen, ein deutlich größeres kostenloses Kontingent für CAPTCHA-lastige Workflows, als die meisten Wettbewerber bieten, bevor Sie überhaupt etwas zahlen.

Der Haken ist eine Einzahlungsschranke von $10: CAPTCHA-Lösung und von Steel bereitgestellte Proxys werden im kostenlosen Tarif erst aktiviert, wenn Sie sie leisten, ein Detail, das beim Vergleich der Überschriftenpreise leicht übersehen wird.

Preise: Launch $0 + Nutzung ($30 einmaliges Guthaben, etwa 300 Browser-Stunden, 10 parallele Sessions, max. je 15 Minuten); Scale $250/Monat ($100/Monat Guthaben, etwa 1.250 Browser-Stunden, 100 parallele Sessions, max. je 1 Stunde, dedizierter Slack, SSO, HIPAA-fähiger BAA); Enterprise individuell (1.000+ parallele Sessions, Sessions bis zu 24 Stunden, Stealth-Browser). Überschreitung: Browser-Stunden $0,10/Stunde (Launch) oder $0,08/Stunde (Scale); Proxy $10/GB oder $6/GB. Quelle: steel.dev/pricing und docs.steel.dev.

Am besten geeignet für: Teams, die eine Open-Source-freundliche Infrastrukturalternative zu Browserbase mit einem wirklich brauchbaren CAPTCHA-Kontingent wollen, bevor sie zu zahlen beginnen.

---

5. Hyperbrowser: Die Budget-Option bei der Infrastruktur

Hyperbrowser konkurriert über den Preis in derselben Infrastrukturkategorie wie Browserbase und Steel, mit einem Credit-Modell für Browser-Sessions, Scraping, Proxy-Daten und AI-gestützte Funktionen wie dem eigenen HyperAgent oder einer Browser-Use-Integration. Berichte auf Drittanbieter-Bewertungsseiten setzen den Tarif Startup bei etwa $30 pro Monat für 25 parallele Browser und 30.000 monatliche Credits an, mit einer kostenlosen Testversion (eine parallele Session, keine Karte erforderlich) zum Ausprobieren vor der Entscheidung.

Wir konnten die eigene Preisseite von Hyperbrowser zum Zeitpunkt des Schreibens nicht für eine direkte, automatisierte Prüfung laden, ein zunehmend häufiges Problem bei JavaScript-lastigen Preisseiten. Bestätigen Sie die aktuellen Tarife und Sätze direkt auf hyperbrowser.ai/pricing, bevor Sie gegen die folgenden Zahlen budgetieren.

Preise (berichtet, direkt prüfen): Startup etwa $30/Monat (25 parallele Browser, 30.000 Credits/Monat, 30 Tage Datenaufbewahrung). Der Credit-Verbrauch wird berichtet mit 100 Credits/Stunde für Browser-Sessions, 20 Credits/Schritt für AI-Funktionen, 10.000 Credits/GB für Proxy-Daten, wobei 1 Credit $0,001 entspricht. Quelle: Anbieterseite unter hyperbrowser.ai/pricing (ließ sich für die automatisierte Prüfung nicht laden); abgeglichen mit Drittanbieter-Tracking auf tooltrim.com und agenticindex.io.

Am besten geeignet für: Teams, die Infrastrukturanbieter beim Preis vergleichen, ein transparentes Modell pro Credit wollen und bereit sind, die aktuellen Preise vor einer Festlegung direkt zu bestätigen.

---

6. Axiom.ai: No-Code-Aufzeichnung für nicht technische Teams

Axiom ist das einzige Tool auf dieser Liste, das nicht wirklich ein autonomer Reasoning-Agent im selben Sinn wie die anderen ist, und das sollte man klar sagen. Es ist ein No-Code-Recorder für Browser-Bots: Sie klicken einen Workflow einmal durch, Axiom zeichnet die Abfolge auf und gibt sie später wieder, wobei für Schritte wie das Parsen oder Extrahieren von Daten GPT-gestützte Blöcke zur Verfügung stehen. Damit steht es näher an RPA mit aufgesetzter AI-Unterstützung als an einem Agent, der neu plant, wenn sich eine Seite ändert. AI Agents im Vergleich zu Chatbots und RPA behandelt diese Unterscheidung ausführlicher.

Dennoch gehört es hierher, denn es ist ein echter Weg, einen echten Browser ganz ohne Code zu steuern, und für einen festen, wiederholbaren Workflow (einen, der sich nicht an Seitenänderungen anpassen muss) ist ein Recorder oft zuverlässiger als ein Reasoning-Agent, nicht weniger. Wenn Ihr Workflow eher einer Automatisierung mit fester Abfolge als adaptivem Reasoning entspricht, behandelt unser Überblick über die besten AI-Automatisierungstools diese breitere Kategorie.

Preise: Starter $15/Monat (5 Stunden Laufzeit, 1 Bot); Pro $50/Monat (30 Stunden, 1 Bot); Pro Max $150/Monat (100 Stunden, 2 parallele Bots); Ultimate $250/Monat (250 Stunden, 20 parallele Bots). Kostenlose Testversion: 2 Stunden Laufzeit, Limit von 30 Minuten pro Lauf, keine Karte erforderlich. Quelle: axiom.ai/pricing.

Am besten geeignet für: Nicht technische Ops-, Marketing- oder Support-Teams, die einen Browser-Workflow einmal aufzeichnen und ohne Schreiben oder Pflegen von Code wiedergeben wollen.

---

7. Claude in Chrome: Der vorsichtige Assistent in einem Abonnement, das Sie ohnehin bezahlen

Claude in Chrome ist eine Browser-Erweiterung und kein Headless-Infrastrukturprodukt, und Anthropic hat es bewusst so entworfen. Es liest Seiten, klickt, tippt und füllt Formulare innerhalb Ihrer tatsächlichen, angemeldeten Session in Chrome (oder in den Chromium-basierten Browsern Edge, Brave und Opera). Das Sicherheitsverhalten ist genau um das Risiko beim Umgang mit Zugangsdaten gebaut, das diese gesamte Kategorie managen muss: Es hält vor „Käufen, Finanzaktionen und anderen unumkehrbaren Schritten“ an, bietet einen Permissions Mode, der den Zugriff Website für Website statt per Pauschalfreigabe gewährt, und Anthropics eigene Empfehlung lautet, es von Banking, Gesundheitsdaten und allem fernzuhalten, was gespeicherte Zugangsdaten erfordert.

Team- und Enterprise-Admins erhalten organisationsweite Kontrollen: die Erweiterung ein- oder ausschalten sowie Allowlists und Blocklists für Websites festlegen, was zählt, wenn Sie das über den Browser einer einzelnen Person hinaus ausrollen.

Preise: In allen bezahlten Claude-Tarifen enthalten. Pro $17/Monat bei jährlicher Zahlung oder $20/Monat bei monatlicher Zahlung; Max ab $100/Monat (5-fache Nutzung) oder $200/Monat (20-fache Nutzung). Im kostenlosen Tarif nicht verfügbar. Quelle: claude.com/claude-in-chrome und claude.com/pricing.

Am besten geeignet für: Einzelne Wissensarbeiter, die bereits für Claude zahlen und einen vorsichtigen Assistenten für interne Tools und Recherche wollen, keine Automatisierungs-Pipeline für den Produktivbetrieb.

---

8. Amazon Nova Act: Automatisierung pro Agent-Stunde für AWS-native Teams

Nova Act ist AWS' Wette darauf, dass die Zuverlässigkeit eines Browser Agents aus vertikaler Integration entsteht und nicht daraus, ein universelles LLM an einen Browser zu koppeln: ein eigenes Foundation Model, ein Orchestrator und ein Browser-Aktuator, gemeinsam trainiert und speziell gebaut für Aufgaben wie Dateneingabe über CRM- und ERP-Portale, Tests von Checkout-Abläufen und die Extraktion strukturierter Daten von Websites ohne Exportoption.

Abgerechnet wird pro Agent-Stunde, also nach tatsächlich verstrichener Arbeitszeit, wobei parallele Agents jeweils unabhängig berechnet werden und die Wartezeit auf einen Human-in-the-Loop nicht gezählt wird. Das ist eine wirklich andere Preisform als die Credit- und Seat-Modelle überall sonst auf dieser Liste, leichter nachzuvollziehen bei einer stetigen Produktionslast und schwerer abzuschätzen bei sprunghafter oder explorativer Nutzung.

Preise: $4,75 pro Agent-Stunde (tatsächlich verstrichene Arbeitszeit; parallele Agents werden unabhängig berechnet; Wartezeit auf Human-in-the-Loop ausgenommen). Quelle: docs.aws.amazon.com/nova-act und aws.amazon.com/nova/pricing.

Am besten geeignet für: AWS-native Plattform- und Automatisierungsteams, die repetitive UI-Workflows im Produktionsmaßstab betreiben und AWS-Abrechnung und -Infrastruktur statt eines SaaS-Anbieters von Drittanbietern wollen. Wenn es bei Ihrer Evaluierung eigentlich um die breitere Kategorie der Managed Suites geht, in der AWS Bedrock AgentCore ebenfalls konkurriert, behandelt unser Überblick über die besten Enterprise-AI-Agent-Plattformen diesen Vergleich.

---

9. Google (Gemini in Chrome, Auto Browse): Was Project Mariner ersetzt hat

Googles eigener Forschungsprototyp für diese Kategorie, Project Mariner, ist Geschichte. Google hat ihn am 4. Mai 2026 abgeschaltet und seine zugrunde liegende Technologie in Gemini und in eine Verbraucherfunktion namens Auto Browse in Gemini in Chrome überführt. Auto Browse delegiert Routineaufgaben (Einkaufen, Terminplanung, digitaler Papierkram) innerhalb Ihrer echten, angemeldeten Chrome-Session statt in einer Sandbox-Kopie und ist ausdrücklich darauf ausgelegt, sich vor dem Abschluss bei Ihnen zu melden: „Es ist darauf ausgelegt, Sie im Loop zu halten und um Ihre Freigabe zu bitten“, laut Googles eigener Ankündigung.

Es ist in ein Abonnement von Google AI Pro oder Google AI Ultra gebündelt und wird nicht separat verkauft, daher gibt es keinen eigenständigen Preis zu nennen, und nach heutigem Stand wird es als Preview für Abonnenten in den USA unter Windows, macOS, Chromebook Plus und Android ausgerollt, beschränkt auf persönliche Google-Konten ab 18 Jahren.

Preise: In die Abonnements Google AI Pro und Google AI Ultra gebündelt, ohne separate Gebühr. Googles veröffentlichte Standardpreise für diese Tarife in den USA betragen $19,99/Monat (Pro) und $249,99/Monat (Ultra); bestätigen Sie die aktuellen Preise direkt, da die Abonnementseite von Google je nach Region lokalisiert ist. Quelle: support.google.com/chrome und gemini.google/subscriptions.

Am besten geeignet für: Verbraucher und Google-Workspace-Nutzer, die bereits im Ökosystem sind und Aufgaben delegieren wollen, ohne ein separates Tool zu installieren oder zu konfigurieren.

---

10. OpenAI und ChatGPT: Drei Namen in achtzehn Monaten

Der Weg von OpenAI durch diese Kategorie ist das deutlichste Beispiel dafür, wie unfertig sie noch ist. Operator, ein eigenständiger, Screenshot-gesteuerter Browser Agent, startete im Januar 2025. Im Juli 2025 ging er in ChatGPT Agent auf. Im Oktober 2025 brachte OpenAI dann ChatGPT Atlas heraus, einen vollständigen Chromium-basierten Browser mit einem Opt-in-Agent-Modus für Abonnenten von Plus, Pro und Business. Im März 2026 kündigte OpenAI an, Atlas, die ChatGPT-Desktop-App und Codex in einer einzigen Anwendung zusammenzuführen, und Atlas selbst wurde am 9. August 2026 abgeschaltet. Browserbasierte agentische Fähigkeiten, einschließlich Unterstützung für Account-Logins, leben nun direkt in ChatGPT, laut der Dokumentation der Änderung im Help Center von OpenAI.

Bei diesem Tempo des Wandels ist das Verantwortliche, das wir Ihnen sagen können, keine selbstsichere Aussage zu den Fähigkeiten, sondern der Rat, direkt zu prüfen, was der Browser Agent von ChatGPT bei einem Workflow mit Login kann und was nicht, bevor Sie darauf einen Produktionsprozess aufbauen. Ein Produkt, das in weniger als zwei Jahren dreimal Namen und Auslieferungsweg gewechselt hat, ist noch keine stabile Grundlage, um ein Jahr Automatisierung darauf zu planen.

Preise: ChatGPT Plus $20/Monat, Pro $200/Monat; Preise für Business- und Enterprise-Plätze auf Anfrage. Browserbasierte agentische Funktionen erforderten bisher Plus oder höher. Quelle: Wikipedia-Eintrag zu ChatGPT, abgeglichen mit OpenAIs eigener Mitteilung zum Übergang von Atlas zu ChatGPT.

Am besten geeignet für: ChatGPT-Nutzer, die browserbasierte Aufgabenautomatisierung in einem Abonnement gebündelt wollen, das sie bereits haben, und dabei wissen, dass dies die instabilste Produktidentität auf dieser Liste ist.

---

11. DIY: Playwright plus Ihre eigene Agent-Schleife

Playwright, Microsofts kostenloses, MIT-lizenziertes Framework für Browser-Automatisierung, ist die deterministische Engine, auf der mehrere Anbieter dieser Liste selbst aufbauen: Stagehand kapselt es direkt, und die DOM-Extraktion von Browser Use ist konzeptionell dieselbe Ebene. Teams mit einem Workflow, der nicht zu den Annahmen eines fertigen Agents passt, oder mit so hohen Anforderungen, dass sie die Abwägungen bei Zuverlässigkeit und Sicherheit selbst verantworten wollen, schreiben ihre eigene Schleife: Playwright für exakte, DOM-präzise Aktionen und eine LLM-Tool-Calling-Schleife (LangGraph und die anderen Frameworks in unserem Überblick über die besten Open-Source-AI-Agent-Frameworks sind die gängigen Optionen) für die darüberliegende Planungsebene.

Hier fallen keine Produktkosten an außer der Modell-API-Nutzung und dem Headless-Hosting Ihrer Wahl, einschließlich Selbst-Hosting oder einem der oben genannten Infrastrukturanbieter. Was Sie stattdessen kaufen, ist Kontrolle: Ihre eigene Retry-Logik, Ihre eigenen Guardrails, Ihre eigene Entscheidung, wann ein Schritt einen menschlichen Checkpoint braucht.

Preise: Playwright selbst ist kostenlos und Open Source. Die Kosten bestehen aus der Modell-API-Nutzung plus der gewählten Hosting-Option (selbst gehostet oder ein nach Verbrauch abrechnender Anbieter dieser Liste). Quelle: Playwright wird von Microsoft unter der MIT-Lizenz gepflegt.

Am besten geeignet für: Engineering-Teams mit einem nicht standardisierten, kritischen oder ungewöhnlich geformten Workflow, zu dem die Annahmen eines fertigen Agents nicht passen, und mit der Engineering-Kapazität, ihn selbst zu verantworten.

---

Typische Fehler beim Kauf von Browser Agents, die Sie vermeiden sollten

---

So entscheiden Sie: Entscheidungsrahmen

Wählen Sie zuerst das Betriebsmodell: selbst gehosteter Agent, verwaltete Browser-Infrastruktur, No-Code-Recorder, gebündelter Assistent oder eigene Schleife.

Die nächsten Schritte

Wählen Sie einen echten Workflow, einen, der derzeit jemanden eine Stunde Copy-and-paste kostet, weil die Ziel-Website keine API hat, und lassen Sie ihn durch zwei Agents laufen, bevor Sie sich auf einen festlegen: einen DOM-basierten (Browser Use oder Stagehand) und einen Vision-basierten (Skyvern), auf einer Infrastrukturstufe, die zu Ihrem Volumen passt. Messen Sie, wie lange ein Mensch braucht, um das Ergebnis zu prüfen, und nicht nur, ob der Agent technisch fertig wurde, denn in diesem Prüfschritt stellt ein Team meist fest, dass ein Agent zu 80% zuverlässig ist und nicht zu 99%. Wenn Sie bereits für Claude oder ein Google-AI-Abonnement zahlen, testen Sie zuerst Claude in Chrome oder Auto Browse an derselben Aufgabe. Die gebündelte Option kostet am Rand nichts und könnte gut genug sein, bevor Sie einen dedizierten Anbieter hinzunehmen. Und bevor Sie eines davon auf eine Website ansetzen, die Ihnen nicht gehört, lesen Sie deren Nutzungsbedingungen und nicht nur die Login-Seite.