Microsoft Webwright: Web-Agents schreiben Code statt zu klicken
Klassische Web-Agenten arbeiten aktionsbasiert: Sie beobachten eine Webseite, wählen eine Aktion (Klick, Texteingabe, Scrollen) und wiederholen diesen Zyklus Schritt für Schritt. Bei langen, mehrstufigen Aufgaben – sogenannten Long-Horizon-Tasks – akkumulieren sich dabei Fehler, weil jede Einzelaktion ein potenzieller Ausfallpunkt ist. Microsoft Research geht mit Webwright einen anderen Weg: Der Agent erhält Zugang zu einem Terminal und generiert stattdessen ein vollständiges Programm, das die gesamte Aufgabe in einem Rutsch ausführt. Dieser Code-zentrierte Ansatz reduziert die Anzahl der Entscheidungsschritte erheblich und macht den Prozess robuster gegenüber Zwischenfehler. Als Benchmark-Modell dient GPT-5.4, dessen Erfolgsrate auf Long-Horizon-Tasks von 33,5 % auf 60,1 % steigt – ein Zuwachs von rund 27 Prozentpunkten. Ein weiterer struktureller Vorteil: Während ein klassischer Click-Trace nach der Ausführung keinen bleibenden Mehrwert hinterlässt, produziert Webwright als Nebenprodukt wiederverwendbare Command-Line-Tools (CLI-Tools), die für ähnliche Aufgaben erneut eingesetzt werden können. Der Artikel erschien auf Towards Data Science und ordnet Webwright in die breitere Debatte über die Architektur von Web-Agenten ein.
- Webwright stammt von Microsoft Research und basiert auf dem Paradigma, dem Modell ein Terminal statt eines Browser-Controllers zu übergeben.
- Als Vergleichsmodell wird GPT-5.4 genutzt: ohne Webwright 33,5 % Erfolg, mit Webwright 60,1 % – ein Anstieg um ~26,6 Prozentpunkte.
- Der Code-Ansatz reduziert Long-Horizon-Tasks auf weniger Entscheidungsschritte, da das gesamte Vorgehen als Programm formuliert wird statt als Sequenz von Einzelklicks.
- Als konkretes Nebenprodukt entstehen CLI-Tools, die nach Abschluss der Aufgabe weiterverwendet werden können – Click-Traces bieten diesen Mehrwert nicht.
- Der Beitrag argumentiert strukturell gegen aktionsbasierte Web-Agenten und positioniert Code-Generierung als robustere Alternative für komplexe Automatisierungsaufgaben.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Microsoft Webwright: Web-Agents schreiben Code statt zu klicken
Klassische Web-Agenten arbeiten aktionsbasiert: Sie beobachten eine Webseite, wählen eine Aktion (Klick, Texteingabe, Scrollen) und wiederholen diesen Zyklus Schritt für Schritt. Bei langen, mehrstufigen Aufgaben – sogenannten Long-Horizon-Tasks – akkumulieren sich dabei Fehler, weil jede Einzelaktion ein potenzieller Ausfallpunkt ist. Microsoft Research geht mit Webwright einen anderen Weg: Der Agent erhält Zugang zu einem Terminal und generiert stattdessen ein vollständiges Programm, das die gesamte Aufgabe in einem Rutsch ausführt. Dieser Code-zentrierte Ansatz reduziert die Anzahl der Entscheidungsschritte erheblich und macht den Prozess robuster gegenüber Zwischenfehler. Als Benchmark-Modell dient GPT-5.4, dessen Erfolgsrate auf Long-Horizon-Tasks von 33,5 % auf 60,1 % steigt – ein Zuwachs von rund 27 Prozentpunkten. Ein weiterer struktureller Vorteil: Während ein klassischer Click-Trace nach der Ausführung keinen bleibenden Mehrwert hinterlässt, produziert Webwright als Nebenprodukt wiederverwendbare Command-Line-Tools (CLI-Tools), die für ähnliche Aufgaben erneut eingesetzt werden können. Der Artikel erschien auf Towards Data Science und ordnet Webwright in die breitere Debatte über die Architektur von Web-Agenten ein.
- Webwright stammt von Microsoft Research und basiert auf dem Paradigma, dem Modell ein Terminal statt eines Browser-Controllers zu übergeben.
- Als Vergleichsmodell wird GPT-5.4 genutzt: ohne Webwright 33,5 % Erfolg, mit Webwright 60,1 % – ein Anstieg um ~26,6 Prozentpunkte.
- Der Code-Ansatz reduziert Long-Horizon-Tasks auf weniger Entscheidungsschritte, da das gesamte Vorgehen als Programm formuliert wird statt als Sequenz von Einzelklicks.
- Als konkretes Nebenprodukt entstehen CLI-Tools, die nach Abschluss der Aufgabe weiterverwendet werden können – Click-Traces bieten diesen Mehrwert nicht.
- Der Beitrag argumentiert strukturell gegen aktionsbasierte Web-Agenten und positioniert Code-Generierung als robustere Alternative für komplexe Automatisierungsaufgaben.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.