Ich habe ChatGPT (Codex) meine Maus gegeben 🤯🖱️

Computer Use fühlt sich anders an als Chat. Nicht wie Text rein, Text raus. Eher wie: Du gibst einer AI eine schwebende Maus und schaust zu, wie sie sich wirklich durch deinen Rechner klickt.

Es gibt diesen Moment, in dem AI plötzlich nicht mehr wie ein Chatfenster wirkt.

Nicht wie ein sehr kluger Textkasten, der dir Antworten ausspuckt. Nicht wie ein Prompt, der irgendwo im Backend verschwindet und als hübscher Absatz wieder rauskommt.

Sondern wie jemand, der wirklich vor deinem Rechner sitzt.

Bei Computer Use passiert genau das. Codex bekommt keine abstrakte API-Aufgabe, sondern eine sichtbare Hover-Mouse. Du kannst beobachten, wie Tabs gewechselt werden, wie Buttons gesucht werden, wie Downloads starten, wie Ladezustände hängen und wie Telegram aufgeht.

Nicht unsichtbar im Backend. Nicht steril über CLI. Sondern direkt auf dem Desktop, mit all der kleinen UI-Realität, die Computer normalerweise so nervig und so menschlich macht.

Das klingt banal, bis man es sieht. 👀

Der Test 🧪

Ich habe als Demo eine ziemlich einfache, aber perfekte Side-Quest genommen:

Dieselbe Bild-Prompt in drei verschiedene Generatoren eingeben: ChatGPT, Gemini und Grok. Danach die Ergebnisse herunterladen, sauber benennen und per Telegram an meinen Hermes-Agent schicken.

Auf dem Papier ist das nicht wild. 😄

In der Beobachtung ist es komplett anders.

Da klickt sich Codex durch den Browser. Öffnet ChatGPT. Fügt die Prompt ein. Wartet auf das Bild. Wechselt zu Gemini. Macht dasselbe. Springt zu Grok. Lädt die Outputs runter. Öffnet Telegram. Wählt den richtigen Chat. Hängt die Bilder an. Schreibt eine Caption. Sendet.

Und du sitzt daneben wie bei einem kleinen AI-Praktikanten, der gerade deinen Rechner übernimmt und erstaunlich wenig Kaffee verschüttet.

Das ist der Punkt, der bei normalen AI-Demos oft fehlt: Handlung.

Nicht nur Ergebnis. Nicht nur "hier ist deine Antwort". Sondern ein sichtbarer Ablauf.

Cursor. Button. Tab. Download. Datei. Messenger. ⚡

Plötzlich wird AI nicht nur schlau, sondern handlungsfähig.

CLI bleibt der trockene Endgegner 🖥️

Natürlich ist CLI oft effizienter.

Günstiger. Präziser. Weniger Token-Verbrauch. Weniger visuelles Rumgehampel. Wenn ich eine Datei umbenennen, einen Build starten oder Daten transformieren will, ist Terminal immer noch der trockene Endgegner.

Schnell, billig, brutal direkt.

Wie ein schwäbischer Verwaltungsakt mit Root-Rechten. 🧾

Aber CLI hat einen Nachteil: Man sieht wenig.

Du gibst einen Befehl. Irgendwas passiert. Output kommt zurück. Fertig.

Das ist stark, aber abstrakt.

Computer Use dagegen hat etwas, das CLI nicht hat: Sichtbarkeit.

Du siehst, wie die AI arbeitet. Du siehst, ob sie zögert. Du siehst, ob sie den richtigen Button sucht. Du siehst, ob ein Download wirklich startet oder ob nur ein schönes UI so tut, als wäre alles erledigt.

Und genau diese Sichtbarkeit verändert das Gefühl.

Es ist nicht unbedingt besser für jede Aufgabe. Aber es wirkt echter.

Text erklärt. Computer Use passiert. ⚡

Bilder und Aktionen sind körperlicher als Text.

Text erklärt.

Computer Use passiert. ⚡

Das klingt fast zu simpel, aber genau da liegt der Reiz. Wenn Codex eine Prompt in drei Bildgeneratoren verteilt, ist das nicht nur Automation. Es ist ein kleines Desktop-Theater.

Gleiche Prompt.
Drei Modelle.
Drei Ergebnisse.
Download.
Telegram raus.

Kein "Agentic AI wird alles verändern"-LinkedIn-Gulasch. Kein Foliendeck mit Pfeilen und Kreisen. Sondern ein echter kleiner Flow auf dem eigenen Rechner.

Und ja, natürlich ist das manchmal langsam.

Natürlich kostet es mehr Tokens.

Natürlich wirkt es stellenweise so, als würdest du einem sehr schlauen Wesen beim ersten Tag im Büropraktikum zuschauen.

Aber genau das macht es interessant.

Weil es nicht perfekt unsichtbar ist.

Es ist sichtbar unperfekt. Und dadurch nachvollziehbar.

Der komische Vertrauensmoment 👀

Bei klassischen AI-Antworten vertraust du dem Text.

Bei Computer Use vertraust du dem Verhalten.

Das ist ein anderer Modus.

Wenn ein Chatbot sagt "ich habe die Datei heruntergeladen", ist das nett. Vielleicht stimmt es. Vielleicht halluziniert der digitale Praktikant auch gerade selbstbewusst in die Wand.

Wenn du aber siehst, wie der Download startet, wie die Datei auftaucht, wie sie umbenannt wird und wie sie danach in Telegram landet, dann passiert im Kopf etwas anderes.

Es wird greifbarer.

Nicht weil die AI plötzlich magisch fehlerfrei ist. Im Gegenteil. Gerade weil sie mit derselben kaputten UI-Welt kämpfen muss wie wir.

Popups.
Ladebalken.
Buttons.
Tabs.
Download-Ordner.
Falsche Fokuszustände.
Diese ganze kleine Mensch-Computer-Hölle.

Und Codex muss da durch.

Das ist wild. 💀

AI wird Operator 🤖

Für mich ist das Spannende daran nicht, dass Codex drei Bilder generiert hat.

Das kann jedes Bildmodell irgendwie.

Spannend ist, dass Codex die Software benutzt hat, die Menschen benutzen.

ChatGPT.
Gemini.
Grok.
Browser.
Downloads.
Telegram.

Keine speziell gebaute API-Schnittstelle. Kein perfekter Backend-Korridor. Sondern echte Arbeitsumgebung.

Das ist ein anderer Sprung.

AI wird nicht nur Antwortmaschine. Sie wird Operator.

Sie navigiert Interfaces, die nie für sie gebaut wurden. Sie klickt sich durch dieselben kleinen UI-Launen wie wir. Sie muss warten, erkennen, entscheiden, nochmal prüfen.

Und plötzlich merkt man: Der nächste Schritt ist nicht nur bessere Texte. Es ist Kontrolle über echte Arbeitsumgebungen.

Nicht irgendwann.
Nicht als Keynote-Fantasie.
Sondern mit einer Hover-Mouse, jetzt gerade, auf dem eigenen Rechner.

Ein bisschen unheimlich.

Sehr unpraktisch an manchen Stellen.

Und trotzdem sehr, sehr geil. 🔥

Nachgeschmack 🧠

Der Test war nicht perfekt. Das ist mir wichtig.

Computer Use ist kein magischer Agenten-Gott, der alles sofort sauber erledigt. Manchmal wartet er zu lange. Manchmal sieht er UI-Elemente komisch. Manchmal ist CLI die bessere Wahl. Manchmal frisst der ganze Spaß Tokens wie ein hungriger Murloc im Rechenzentrum.

Aber als Gefühl, als Demo, als Blick in die nächste Arbeitsform?

Brutal stark.

Weil man zum ersten Mal nicht nur liest, was AI meint.

Man sieht, was sie tut. 👁️