Am 18. August 2026 tippt bei Doubao niemand mehr selbst: ByteDances KI-Assistent öffnet Programme, klickt durch Menüs und füllt Tabellen aus, während die eigene Maus daneben unberührt liegt. Der Agent arbeitet in einem eigenen virtuellen Desktop und sieht den Bildschirm, statt über Programmierschnittstellen zu gehen.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Das Wichtigste in Kürze
- Doubao steuert Windows-PCs seit dem 18. August 2026 selbst: Der KI-Agent bewegt die Maus, klickt und tippt in einem eigenen virtuellen Desktop.
- Der Agent versteht den Bildschirm per Bilderkennung und braucht dafür keine Schnittstelle wie MCP, API, Plugin oder Kommandozeile.
- Die Technik stammt aus ByteDances offener GUI-Agent-Reihe UI-TARS, die auf dem Standard-Test OSWorld 47,5 Prozent erreicht.
- Für Firmen im DACH-Raum verschiebt sich die Sicherheitsfrage: Der Agent sieht alles auf dem Schirm, von Zugangsdaten bis Vertragsentwurf.
Was kann Doubaos virtueller Desktop?
Der Agent arbeitet abgeschottet. Im Arbeitstask-Modus gibt der Nutzer über die Funktion „Computer bedienen“ einen virtuellen Desktop frei, in dem Doubao den Bildschirm sieht, die Maus bewegt, Schaltflächen anklickt und tippt wie ein Mensch, berichtet Sina Tech.[1] Den Rechner kann der Nutzer parallel weiter verwenden.
Kontrolle bleibt beim Menschen. Jeden Schritt zeigt Doubao in Echtzeit, an heiklen Stellen pausiert der Agent und fragt nach, der Nutzer kann jederzeit selbst übernehmen. Seit dem 17. August lässt sich der Rechner zusätzlich per Handy aus der Ferne bedienen.
Warum reicht dem Agenten der Bildschirm?
Sehen statt andocken. Klassische KI-Assistenten hängen sich per API oder MCP an einzelne Programme. Doubaos Ansatz ist ein GUI-Agent: Ein multimodales Modell liest den Bildschirm als Bild, erkennt Knöpfe und Eingabefelder und leitet daraus Mausklicks und Tastatureingaben ab. Für genau diese Bildschirmsteuerung hat ByteDance die offene Modellreihe UI-TARS entwickelt.
Ein bekanntes Muster. Anthropic zeigte diese Technik im Oktober 2024 mit Claude, OpenAI folgte im Januar 2025 mit Operator. In China verfolgt Baidus KI-Büroassistent ein ähnliches Ziel. Zuverlässig ist bisher keiner: UI-TARS löst in der zweiten Version laut ByteDances technischem Bericht 47,5 Prozent der Aufgaben im Standard-Test OSWorld und 50,6 Prozent im WindowsAgentArena.[2] Menschen erreichen dort rund 72 Prozent.
Ein Agent, der den ganzen Bildschirm liest, ist bequemer als jede Schnittstelle und zugleich das größere Einfallstor. Auf einem Firmenrechner bekommt er dieselbe Sicht wie ein Mitarbeiter, nur ohne Arbeitsvertrag und Schweigepflicht.
— Markus Seyfferth, Chefredakteur Dr. Web
Was bedeutet das für Unternehmen im DACH-Raum?
Der Bildschirm wird zur Angriffsfläche. Der Agent sieht alles, was gerade offen ist, von Zugangsdaten über Kundenlisten bis zum Vertragsentwurf. Anders als ein Assistent, der nur auf dem Gerät arbeitet, schickt Doubao die Bildschirminhalte an ByteDances Server und weckt dieselbe Debatte um Datenabfluss wie TikTok. DSGVO Artikel 32 und der Schutz von Geschäftsgeheimnissen verlangen hier klare Grenzen.
Manipulierte Inhalte sind das zweite Risiko. Ein GUI-Agent führt aus, was er sieht, also auch versteckte Anweisungen in einer Webseite oder einem Dokument. Diese Prompt Injection steht auf der OWASP-Liste für KI-Anwendungen an erster Stelle. Der EU AI Act rechnet den Einsatz solcher Systeme dem Betreiber zu.
Erst testen, dann freigeben. Vor dem produktiven Einsatz gehört der Agent in eine abgeschottete Umgebung ohne Zugriff auf Passwortspeicher und Kernsysteme, jede unumkehrbare Aktion braucht eine vorherige Bestätigung. Die Human-in-the-Loop-Kontrolle, die Doubao selbst anbietet, sollte aktiv bleiben, bis Protokolle den Datenweg belegen. Bis dahin gehört der virtuelle Kollege auf einen Rechner ohne echte Geheimnisse.
Quellen
[1] Sina Tech: „Doubao Virtual Desktop kommt auf Windows: bedient den Computer wie ein Mensch“ (18. August 2026)
[2] ByteDance Seed: „UI-TARS-2 Technical Report: Advancing GUI Agent with Multi-Turn Reinforcement Learning“ (arXiv, 2025)
Mehr Newshunger?
- Baidu KuKu AI: 25 Millionen Nutzer für Chinas KI-Büroassistenten
- Claude Code für Designer: Was der KI-Agent im Terminal wirklich kann
- Granola öffnet seine Meeting-Notizen per MCP für Claude, ChatGPT und Cursor
- Agentic Commerce in ChatGPT: Synchrony braucht sechs bis zwölf Monate für die Kartenzahlung
- Qwen3.8-27B: Alibabas Spitzenmodell läuft gratis auf der Heim-Grafikkarte
