Gemini Computer Use: Was Googles KI beim Klicken wirklich übernimmt

Google hat sein Computer-Use-Werkzeug aus der Vorschau entlassen. Wer darin den autonomen KI-Mitarbeiter sieht, übersieht das Kleingedruckte.

Mehr als ein Jahr Vorschau, dann ein Satz im Changelog: Google hat das Computer-Use-Werkzeug der Gemini-Schnittstelle als „allgemein verfügbar“ markiert. Das klingt, als säße ab sofort eine KI an Ihrem Rechner und erledigt Formulare, Buchungen und Bestellungen. Tut sie nicht. Sie sieht, sie schlägt vor. Den Klick führt jemand anderes aus.

Ein Jahr Vorschau, drei Etappen

Die Freigabe ist der Schlusspunkt einer Wanderung vom Browser auf den ganzen Bildschirm, wie Googles eigene Ankündigungen zeigen:

Etappe	Datum	Status	Umfang
Gemini 2.5 Computer Use	7. Oktober 2025	Public Preview, eigenes Modell	vor allem Browser, Mobil mit guten Ergebnissen, Desktop-Betriebssysteme noch nicht optimiert
Gemini 3.5 Flash	24. Juni 2026	Public Preview, Werkzeug im Modell	Browser, Mobil und Desktop
Computer-Use-Werkzeug	30. Oktober 2026	allgemein verfügbar (GA)	Interactions-API und GenerateContent-API

Stand: 3. November 2026. Alle Angaben sind Eigenangaben von Google. Quellen: Google-Blog vom 7. Oktober 2025 und vom 24. Juni 2026, Release-Notes der Gemini-API.

Das Wort „allgemein verfügbar“ heißt: Es ist kein Test mehr. Es heißt nicht, dass Google Erfolgsquoten aus dem Alltag nennt. Der Changelog-Eintrag führt weder ein Modell noch eine Zahl auf. Im Juni sprach Google von der „best performance yet“, ohne im Text eine Zahl dazu zu nennen.

Die KI sieht, Ihr Code klickt

Wie das Ganze läuft, beschreibt FourWeekMBA anhand von Googles Dokumentation: Das Modell bekommt ein Bildschirmfoto und liefert eine Aktion, etwa einen Mausklick oder eine Tastatureingabe. Ausführen müssen die Entwickler diese Aktion auf der eigenen Seite, danach geht ein neues Foto zurück an das Modell. Das wiederholt sich Schritt für Schritt.

Die eigentliche Arbeit, das Klicken, die Absicherung und die Protokollierung, bleibt Baustelle der Anwender. Abgerechnet wird laut FourWeekMBA ohne Extragebühr zum normalen Token-Preis des Modells, im kostenlosen Tarif ist das Werkzeug nicht verfügbar. Da jeder Schritt ein neues Bildschirmfoto erzeugt, ist die Zahl der Schritte der Kostenhebel.

Der Schutz ist ein Schalter, kein Standard

Google bietet Sicherheitsmechanismen an, aber nicht alle sind automatisch scharf. Laut FourWeekMBA kann eine Antwort eine Sicherheitsentscheidung enthalten: erlaubt, Bestätigung erforderlich oder blockiert. Zahlungen und Checkout bilden dabei eine eigene Kategorie. Die Erkennung von Prompt Injection, also versteckten Befehlen auf Webseiten, die den Agenten umlenken sollen, ist demnach optional und standardmäßig aus.

Google selbst empfiehlt im Juni-Blog einen Ansatz mit mehreren Schutzschichten: Sandboxing, menschliche Prüfung und strikte Zugriffskontrollen. Zwei Schutzsysteme gibt es laut Blog für Unternehmen, beide optional: die ausdrückliche Bestätigung bei sensiblen oder nicht rückgängig zu machenden Aktionen und den automatischen Abbruch bei erkannter Prompt Injection. Wer nichts konfiguriert, baut sich den Schutz also nicht von selbst.

Was die Freigabe nicht sagt

Der Eintrag nennt keine Fehlerquote, keine Erfolgsrate und keinen Praxistest. FourWeekMBA hält ausdrücklich fest, dass der Artikel keine Nutzungszahlen, Erfolgsquoten oder Benchmarks nenne. Wie zuverlässig der Agent bei Ihrer Software ist, weiß vorerst nur, wer es ausprobiert hat.

Business Punk Check

Gemini ist kein autonomer Mitarbeiter, sondern ein Wahrnehmungs- und Vorschlagsmotor in einer Schleife, die Ihr Team bauen, absichern und bezahlen muss. „Allgemein verfügbar“ ist ein Lieferversprechen, kein Leistungsnachweis. Der Satz „Die KI darf klicken“ stimmt nur halb, denn wer klickt, entscheiden Sie.

Für Unternehmer:innen und Entscheider:innen gilt: Fragen Sie vor dem Pilotprojekt, wer die Aktionen ausführt, wer Zahlungen bestätigt, ob der Agent in einer abgeschotteten Umgebung mit eng begrenzten Zugängen läuft und wie jeder Schritt protokolliert wird. Rechnen Sie in Kosten pro erledigter Aufgabe, nicht pro Token.

Auf einen Blick

• Google hat das Computer-Use-Werkzeug der Gemini-Schnittstelle am 30. Oktober 2026 für die Interactions-API und die GenerateContent-API allgemein freigegeben.
• Die Vorschau begann am 7. Oktober 2025 mit einem eigenen Modell, seit dem 24. Juni 2026 steckt das Werkzeug in Gemini 3.5 Flash und deckt Browser, Mobil und Desktop ab.
• Das Modell schlägt Aktionen anhand von Bildschirmfotos vor, ausführen müssen Entwickler sie selbst, und Zahlungen lassen sich als bestätigungspflichtig einstufen.
• Die Erkennung von Prompt Injection ist laut FourWeekMBA optional und standardmäßig aus, Google empfiehlt Sandboxing, menschliche Prüfung und strikte Zugriffskontrollen.

Quellen: Google AI for Developers, Google Blog (Gemini 3.5 Flash), Google Blog (Gemini 2.5 Computer Use), FourWeekMBA,, KI-unterstützt