Google hat Computer Use fest in Gemini 3.5 Flash eingebaut. Damit kann das Modell jetzt direkt Browser, mobile Oberflächen und Desktop-Programme bedienen: klicken, tippen, scrollen und sich durch mehrstufige Aufgaben arbeiten. Bisher steckte diese Fähigkeit in einem separaten Modell, ab dem 24. Juni 2026 läuft sie nativ im normalen Flash-Modell. Für Entwickler heißt das: ein Modell, das gleichzeitig sehen, denken und handeln kann.
Das Wichtigste in Kürze
- Computer Use ist ab dem 24. Juni 2026 fester Bestandteil von Gemini 3.5 Flash, nicht mehr ein eigenes Modell.
- Die KI steuert Browser, Smartphone-Oberflächen und Desktop-Anwendungen über Screenshots und simulierte Eingaben.
- Im OSWorld-Verified-Benchmark erreicht das Modell 78,4 Prozent und liegt damit fast gleichauf mit GPT-5.5.
- Zwei optionale Sicherheits-Systeme sollen Prompt-Injection-Angriffe abfangen und kritische Aktionen absichern.
- Verfügbar über die Gemini API und die Gemini Enterprise Agent Platform, plus Demo-Umgebung und Referenz-Code.
Was Computer Use in Gemini 3.5 Flash konkret kann
Bislang war Computer Use bei Google ein Sondermodell auf Basis von Gemini 2.5. Es konnte zwar Oberflächen bedienen, aber nicht gleichzeitig auf andere Werkzeuge wie die Google-Suche oder Maps-Grounding zugreifen. Genau diese Trennung fällt jetzt weg. In Gemini 3.5 Flash gehört die Bildschirmsteuerung zu den eingebauten Tools, neben Function Calling und der bekannten Such- und Maps-Anbindung.
Praktisch sieht das so aus: Das Modell bekommt einen Screenshot der aktuellen Oberfläche, erkennt Schaltflächen, Textfelder und Menüs und entscheidet dann, was als Nächstes passiert. Es klickt Buttons, füllt Formulare aus, wechselt Tabs oder tippt Text ein. Google nennt als Beispiele eine Funktionsanalyse der eigenen Gemini-App und einen Selbst-Audit der Dokumentation auf Barrierefreiheit. Damit deckt das Modell drei Umgebungen ab: Web-Browser, mobile Betriebssysteme und klassische Desktop-Software.
Der eigentliche Reiz liegt in den langwierigen Aufgaben. Kontinuierliches Software-Testing, das Durchklicken durch mehrere Geschäftsanwendungen, Wissensarbeit über verschiedene Tools hinweg: Aufgaben also, die sich über viele Schritte ziehen und bisher viel Handarbeit bedeuteten.
Gemini Computer Use im Benchmark: stark, aber nicht an der Spitze
Die spannende Frage ist natürlich, wie gut das Ganze wirklich funktioniert. Als Maßstab dient OSWorld-Verified, ein Benchmark, der Computer-Use-Agenten quer über Ubuntu, Windows und macOS testet. Gemini 3.5 Flash kommt dort auf 78,4 Prozent. Zum Vergleich der Vorgänger Gemini 3 Flash lag bei 65,1 Prozent, ein Sprung von gut 13 Punkten zwischen den Generationen.
| Modell | OSWorld-Verified |
|---|---|
| Claude Opus 4.8 | 83,4 % |
| GPT-5.5 | 78,7 % |
| Gemini 3.5 Flash | 78,4 % |
| Gemini 3.1 Pro | 76,2 % |
| Gemini 3 Flash | 65,1 % |
Zwei Dinge sollte man im Hinterkopf behalten. Erstens sind sämtliche Werte auf dem OSWorld-Verified-Leaderboard von den Anbietern selbst gemeldet und bis Juni 2026 nicht unabhängig geprüft. Für die grobe Richtung taugt der Benchmark, beim direkten Vergleich auf die Nachkommastelle wäre ich vorsichtig. Zweitens trennt Flash und GPT-5.5 nur ein Hauch von 0,3 Punkten, der wirkliche Unterschied liegt beim Preis. Gemini 3.5 Flash kostet 1,50 US-Dollar pro Million Input-Tokens und 9 US-Dollar pro Million Output-Tokens, GPT-5.5 dagegen 5 und 30 US-Dollar. Bei großen Agenten-Workloads summiert sich das schnell.
Auch wenn die reinen Zahlen verlockend wirken: Zwischen Benchmark und Produktivbetrieb klafft bei Computer Use eine größere Lücke als bei den meisten anderen KI-Aufgaben. OSWorld misst vordefinierte Aufgaben in einer stabilen Umgebung. Echte Agenten arbeiten dagegen in Anwendungen, die sich ständig ändern, Anmeldungen verlangen und Bildschirmzustände zeigen, die das Modell so nie gesehen hat. Google selbst rät davon ab, Computer Use für kritische Entscheidungen, sensible Daten oder Situationen einzusetzen, in denen sich Fehler nicht mehr korrigieren lassen.
Sicherheit: Wie Google das Risiko in den Griff bekommen will
Eine KI, die selbstständig durch Browser, Formulare und Dateisysteme navigiert, hat eine ganz andere Reichweite als ein reiner Text-Chatbot. Wenn sie dabei die Rechte eines Power-Users bekommt, wird genau das zur Angriffsfläche. Google setzt deshalb bei Gemini 3.5 Flash auf gezieltes adversariales Training, um Prompt-Injection-Risiken in Live-Umgebungen zu verringern.
Dazu kommen zwei optionale Schutzsysteme für Unternehmen. Das eine verlangt eine ausdrückliche Bestätigung des Nutzers, bevor sensible oder nicht umkehrbare Aktionen ausgeführt werden. Das andere stoppt eine Aufgabe automatisch, sobald es eine indirekte Prompt Injection erkennt. Google empfiehlt zusätzlich einen Defense-in-Depth-Ansatz mit sicheren Sandboxes, einem Menschen in der Schleife und strengen Zugriffsrechten. Weitere Details liefert Google in seiner Best-Practices-Dokumentation.
Wie Computer Use in die Gemini-Strategie passt
Die Integration ist kein Einzelschritt, sondern fügt sich in Googles Linie der letzten Monate ein. Gemini 3.5 Flash war von Anfang an als agentisches Modell ausgelegt und ist seit der Vorstellung auf der Google I/O 2026 die treibende Kraft hinter Funktionen wie dem Dauer-Agenten Gemini Spark. Mehr zum Modell selbst und seinen agentischen Fähigkeiten steht in unserem Artikel Gemini 3.5 Flash vorgestellt.
Auch im Alltag zieht sich dieser Kurs durch. Auf Android übernimmt Gemini Intelligence zunehmend proaktive Aufgaben und automatisiert Abläufe über mehrere Apps hinweg. Und in der Gemini-App selbst verschiebt Google den Fokus seit Monaten vom reinen Chatbot hin zum handelnden Assistenten. Computer Use in 3.5 Flash ist quasi das technische Fundament, auf dem viele dieser Versprechen aufsetzen.
Verfügbarkeit: So kann man loslegen
Wer Computer Use ausprobieren will, hat ab sofort mehrere Wege. Entwickler und Unternehmen erreichen die Funktion über die Gemini API und die Gemini Enterprise Agent Platform. Zum schnellen Antesten gibt es eine von Browserbase gehostete Demo-Umgebung, und für den eigenen Einstieg stellt Google eine Referenz-Implementierung auf GitHub bereit.
Fazit
Mit Computer Use in Gemini 3.5 Flash macht Google den Schritt von der reinen Assistenz hin zur Ausführung. Ein Modell, das gleichzeitig die Google-Suche nutzen, eigene Funktionen aufrufen und nebenbei einen Browser bedienen kann, ist für Automatisierung und Enterprise-Workflows ein echter Hebel. Der Preisvorteil gegenüber GPT-5.5 macht das Ganze gerade bei vielen parallelen Agenten attraktiv.
Gleichzeitig lohnt ein nüchterner Blick. Die Benchmark-Werte sind selbst gemeldet, und der Sprung von der Testumgebung in den echten Produktivbetrieb ist bei Computer Use besonders heikel. Dass Google selbst zu Sandboxing, menschlicher Kontrolle und Zurückhaltung bei kritischen Aufgaben rät, sollte man ernst nehmen. Spannend bleibt es trotzdem, denn der nächste logische Schritt, Gemini 3.5 Pro, steht bereits in den Startlöchern.
Häufige Fragen zu Computer Use in Gemini 3.5 Flash
Was ist Computer Use in Gemini 3.5 Flash?
Es ist ein eingebautes Werkzeug, mit dem das Modell Browser, Apps und Desktop-Programme selbst bedient. Es analysiert Screenshots der Oberfläche und führt dann Aktionen wie Klicken, Tippen und Scrollen aus.
Wie schneidet Gemini 3.5 Flash bei Computer Use ab?
Im OSWorld-Verified-Benchmark erreicht das Modell 78,4 Prozent und liegt damit fast gleichauf mit GPT-5.5 (78,7 Prozent). An der Spitze steht laut den gemeldeten Werten Claude Opus 4.8 mit 83,4 Prozent.
Ist Computer Use sicher?
Google nutzt adversariales Training und bietet zwei optionale Schutzsysteme: eine Bestätigungspflicht für kritische Aktionen und einen automatischen Stopp bei erkannter Prompt Injection. Für sensible oder nicht korrigierbare Aufgaben rät Google vom Einsatz ab.
