KI-Agent (automatisiertes Browsing)

Ein KI-Browsing-Agent verbindet ein großes Sprachmodell mit einem steuerbaren Browser, in der Regel einem Headless- oder instrumentierten. Das Modell erhält den aktuellen Seitenzustand, sei es als gerenderter Inhalt, strukturierte Barrierefreiheitsdaten oder Screenshots, denkt über das ihm gegebene Ziel nach und gibt Aktionen aus wie Klicken, Tippen und Navigieren. Anschließend beobachtet es das Ergebnis und entscheidet seinen nächsten Schritt, wobei es iteriert, bis die Aufgabe erledigt ist.

Anders als ein traditioneller Bot, der eine fest kodierte Abfolge wiedergibt, passt sich ein Agent an Layouts an, die er zuvor nicht gesehen hat, und erholt sich von unerwarteten Zuständen. Diese Flexibilität erlaubt es ihm, offene Aufgaben wie Recherchieren, Ausfüllen von Formularen, Vergleichen von Optionen oder Tätigen von Käufen zu erledigen, und sie bedeutet, dass das Verhalten des Agenten weniger repetitiv und daher mit einfachen Musterregeln schwerer zu erfassen ist.

Darunter läuft ein Agent jedoch weiterhin innerhalb eines automatisierten Browsers und erreicht Websites über irgendeinen Netzwerkpfad. Er erbt dieselben Umgebungs- und Steuerkanalsignale wie andere Automatisierung: Merkmale eines Headless- oder instrumentierten Browsers, Artefakte des Automatisierungs-Frameworks sowie den Ursprung und die Reputation seiner Verbindung. Sein Denken ist neuartig, aber sein Ausführungssubstrat ist vertraut.

Der Aufstieg der Agenten schafft zudem eine Frage der Legitimität statt einer rein adversarialen. Manche Agenten handeln mit Erlaubnis im Auftrag eines echten Nutzers, während andere für Missbrauch genutzt werden. Dies drängt die Erkennung dazu, zu identifizieren, dass eine Sitzung agentengesteuert ist, und diesen Kontext bereitzustellen, sodass jeder Dienst seine eigene Richtlinie anwenden kann, statt anzunehmen, dass sämtlicher Agenten-Datenverkehr bösartig ist.