Während die KI-Funktionen in Firefox und Safari dezent und datenschutzfreundlich daherkommen, dreht Perplexity Comet direkt die „agentischen Systeme“ auf – dass man scharf auf die Nutzerdaten ist, gibt das Unternehmen sogar offen zu. Ist BrowserOS, das mit lokalen Sprachmodellen arbeitet, eine sinnvolle Alternative? c’t 3003 hat sich das alles mal angeschaut.

Transkript des Videos

(Hinweis: Dieses Transkript ist für Menschen gedacht, die das Video oben nicht schauen können oder wollen. Der Text gibt nicht alle Informationen der Bildspur wieder.)

Guckt mal hier, das bin ich, wie ich entspannt im Netz unterwegs bin und einfach mit meinem Browser spreche, denn der sieht ja genau das, was ich auch sehe. Ich kann also zum Beispiel fragen:

Was ist das da oben auf dem Foto?

Auf dem Screenshot siehst du eine Echtzeitkarte von San Francisco.

Oder: Kann ich dieser Nachrichten-Webseite hier vertrauen?

Ja, heise online ist eine sehr angesehene und zuverlässige Quelle für Nachrichten und Informationen.

Oder: Fasse mir mal kurz dieses Video hier zusammen. Und ja, wie ihr vielleicht schon gesehen habt, das ist der ganz normale Chrome-Browser von Google. Ich benutze den halt nur gerade mit einem US-Account und einem VPN in die USA, denn die sogenannten „Gemini in Chrome“-Funktionen sind in Europa noch nicht freigeschaltet. In USA dagegen schon. Aber Chrome ist auch sowieso bei Weitem nicht der einzige Browser mit KI. Richtig am Hypen ist ja auch Comet von Perplexity mit agentischen Funktionen. Sind eine Riesen-Nummer, diese Agenten.

Und es gibt mit BrowserOS sogar eine Open-Source-Variante, die auf Wunsch mit lokalen Sprachmodellen funktioniert, wo man also keine persönlichen Daten in die USA schicken muss. Das alles gucke ich mir hier mal genauer an und ich sage euch, was sich für euch lohnen könnte und welche versprochenen Funktionen totaler Quatsch sind. Davon gibt es leider auch eine ganze Menge.

Und vor allem: Warum bauen eigentlich auf einmal alle KI-Browser? Bleibt dran.

Liebe Hackerinnen, liebe Internet-Surfer, herzlich willkommen hier…

Ja, was ist denn hier auf einmal los? Alle Browser haben auf einmal KI-Funktionen. Gibt es da irgendwo so einen KI-Hype oder so? Gar nichts von mitbekommen.
Ja, okay, schlechter Scherz. Sorry. Also ist klar, niemand will irgendwas verpassen, vor allem nicht die großen Tech-Unternehmen. Und deshalb machen alle mit, aber zumindest sehr unterschiedlich.

So nutzt zum Beispiel Firefox, Open Source und nach wie vor mein persönlicher Lieblings-Browser, lediglich lokale KI-Modelle, um die Tab-Gruppen automatisch zu gruppieren. Ist jetzt nichts Weltbewegendes, aber zumindest nicht sinnlos. Safari kann Zusammenfassungen von Websites mit Apple Intelligence machen. Okay, gut, mag auch sinnvoll sein. Also bei Firefox und Safari alles noch ganz soft. Aber Google Chrome, immerhin meistgenutzter Browser der Welt, geht jetzt richtig ab: Seit ein paar Tagen gibt es in den USA die sogenannte „Gemini in Chrome“-Funktion. Da hat man dann hier oben im Browserfenster dieses Icon. Und immer wenn man da draufklickt, schickt Chrome die aktuelle Ansicht an Gemini, Googles großes Sprachmodell. Und dann kann man halt Fragen stellen, zum Beispiel wenn ihr gerade ein Rezept seht, das euch gefällt: Gibt es das auch irgendwie in vegetarisch?

Und wenn ihr jetzt sagt: Ist halt so ein kleines Chatbot-Fensterchen, kann ich doch sonst auch mit ChatGPT oder dem normalen Gemini oder Claude oder sonst einer KI machen? – Ja, das stimmt. Aber der Punkt ist, dass Gemini in Chrome halt wirklich sieht, was ihr gerade seht. Ihr müsst also nicht manuell die URL zum KI-Chatbot copypasten oder einen Screenshot machen, sondern diesen Schritt spart ihr euch einfach. Man kann das auch auf die Spitze treiben mit der sogenannten Live-Funktion. Und da kann ich halt auf irgendwelchen Websites rumklicken und die ganze Zeit Fragen stellen:

Warum glänzt dieses Tier so?

Das ist ein Nilpferdbaby, und es glänzt, weil es gerade aus dem Wasser kommt.

Was ist das?

Das ist ein ganz besonderes Tier, ein Igel. Gibt es etwas Bestimmtes, das du über Igel wissen möchtest?

Ja, warum lacht er so?

Das ist ein lustiger Moment, oder? Es sieht fast so aus, als würde der Igel kichern.

Und ja, falls ihr euch gerade denkt: Kostet das nicht super viel Energie? – Das stimmt. Weil das LLM die ganze Zeit aktiv ist und halt auch permanent Texte und Bilder gefüttert bekommt, eben das, was ihr da gerade im Browser seht. Zu dem Energiethema kommt später noch mal was. Aber ich muss wirklich sagen, dass sich das für mich schon ziemlich Science-Fiction-mäßig angefühlt hat, dass man halt einfach mit so einem allwissenden Computer spricht, der vor allem die ganze Zeit den Kontext versteht.

Also ich bin ja gerade auf eine Website und ich kann einfach über diese Website reden, und der versteht das.

Was ist das denn hier für ein lustiges Tier?

Das ist eine Goldstumpfnase. Sie leben in China und sind bekannt für ihre lustigen Gesichtsausdrücke.

So mit dem Computer reden, das geht natürlich auch mit anderen Voice-Chats, zum Beispiel ChatGPTs Advanced Voice, der so ganz unangenehm Menschsein simuliert und immer so ein bisschen auf Kumpel macht. Der kann ja auch sehen, aber nur das Kamerabild. Oder kann der auch Screensharing? Fragen wir ihn mal selbst.

Du sag mal, ChatGPT, kann ich eigentlich meinen Bildschirm permanent mit dir teilen? Also dass du die ganze Zeit das siehst, was ich auch sehe?

Also im Moment geht das leider nicht. Ich kann nur ab und zu mal einen Screenshot oder ein Bild bekommen, wenn du mir das schickst. Aber ich kann nicht dauerhaft einen Bildschirm sehen. Das ist einfach aus technischen und auch Datenschutzgründen…

Das ist lame, ne?

Ja, ein bisschen ist es schon lame, das stimmt. Aber wer weiß, vielleicht gibt es in Zukunft ja mal solche Features. Im Moment müssen wir halt noch mit ein paar Screenshots auskommen, aber wir machen einfach das Beste draus.

Machst du eigentlich jetzt hier so einen auf locker eigentlich? Oder warum redest du so komisch?

Ach, weißt du, ich versuche einfach, ein bisschen locker drauf zu sein, damit das Ganze entspannt bleibt.

Dass ich mir so vorstellen kann, als würde ich mit dir so in einer Kneipe sitzen und eine Cola trinken?

Ganz genau, so in etwa ist die Idee. Also stell dir einfach vor, wir sitzen gemütlich irgendwo, du mit deiner Cola, ich mit, naja, was auch immer virtuelle Assistenten so trinken, und wir quatschen einfach entspannt.

Okay, ja, finde ich sehr unangenehm.

Naja, die Stimme von Gemini in Chrome, die klingt deutlich weniger menschlich.

c’t 3003 ist ein Kanal vom Heise-Verlag, einem bekannten deutschen Verlag für Computerzeitschriften.

Aber wie gesagt: Gemini kann da halt immer direkt sehen, was ich im Browser mache. Also zumindest in diesem Live-Modus, den ich manuell einschalten muss.

Aber sonst läuft mein Browserfenster-Inhalt immer nur dann durchs LLM, wenn ich halt das Icon da oben anklicke. Also es wird laut Google nicht grundsätzlich alles an die KI geschickt.

So, aber Google hat ja auch schon angekündigt, dass Gemini in Chrome demnächst auch agentische Fähigkeiten bekommt. Ja, und Agents sind ja nun wirklich gerade das dollste Ding seit Erfindung des tiefen Tellers, und die stecken jetzt überall drin.

Agents versuchen nicht nur, auf meinen Prompt irgendwie zu antworten, sondern versuchen, sich auch herzuleiten, wie sie zu dem hinkommen, was ich will. Dafür können sie Tools benutzen, und das ist in den meisten Fällen ein Browserfenster. Die können da dann selbstständig drin rumklicken und Dinge eintippen.

Wir hatten dazu ja schon mal ein ausführliches Video über ChatGPT, die Agent, eines der aktuell meines Erachtens immer noch kompetentesten Agenten. Aber auch der ist bei Weitem noch nicht so intelligent wie ein Mensch. Und zu der Werkzeugbenutzung übrigens gab es ja auch noch mal ein immer noch aktuelles Video hier zu der sogenannten MCP-Technik. Vielleicht auch interessant.

So, also in Chrome kommen diese Agent-Features bald.

KI-Funktionen in Perplexity Comet

Aber Perplexity hat ja schon vorgelegt. Deren agentischer Browser Comet, ja, den gibt’s schon. Basierend übrigens auf Chromium, also dem Open-Source-Teil von Chrome, den alle benutzen dürfen.

Ja, und Comet macht seit ein paar Wochen richtig Welle. Also man findet viel Hype-Getröte dazu und ständig behaupten Leute, dass sich durch Comet alles geändert hätte. Und ja, ich habe Comet installiert und ziemlich viel damit ausprobiert. Das ist halt eine Agent-Funktion, die den Browser bedienen kann. Also erstmal prinzipiell genau das Gleiche wie ChatGPT-Agent oder das Open-Source-Tool Browser Use oder Manus AI gibt’s ja auch noch.

Ja, und wer kann Perplexity Comet benutzen? Naja, es soll bald eine kostenlose Version kommen. Aber zurzeit geht’s nur mit Perplexity-Abo, was preislich ab 20 Dollar im Monat losgeht.

Und macht Comet jetzt wirklich alles besser als mein bisheriger Favorit ChatGPT-Agent? Manchmal ja, manchmal nein. Und das ist halt zurzeit noch das allergrößte Problem bei Agenten: Da ist ein großer Zufallsfaktor drin.

Wenn man denen beim Arbeiten zuschaut, das sieht tatsächlich so ähnlich aus, als würde da jemand einfach so grob irgendwelche Sachen anklicken, die aber nicht so richtig verstehen. Und manchmal hat man dann Glück und manchmal, oder oft, auch nicht.

Was ich zum Beispiel immer gerne mal ausprobiere mit Agents, weil das halt wirklich eine Aufgabe ist, um die ich mich zurzeit kümmere: Ich sage dem Agent, dass ich Merch produzieren will und er mir mal raussuchen soll 500 schwarze T-Shirts mit farbigem Druck. Gerne Bio, gerne Fairtrade.

Ja, und dann kommt Comet und sagt „505 Euro inklusive Mehrwertsteuer und Versand“. Und ich da natürlich: „Ja, das kann doch nicht sein. Das ist ja nur ein Euro pro T-Shirt.“ Und obwohl Comet ganz klar ausgegeben hat: T-Shirts plus Druck, tut Comet so, auf den Fehler angesprochen: „Ja, das klingt jetzt günstig für dich, aber meine Angabe bezieht sich ja natürlich nur auf den Druck. Das T-Shirt muss natürlich extra bezahlt werden.“ Als ob ich das nicht richtig verstanden hätte und er keinen Fehler gemacht hat. Also sehr wenig hilfreich.

Und dazu dauerte das auch noch echt lange. Weil Comet angeblich gut Statistiken verstehen kann, habe ich Comet mal Zugriff auf unsere c’t-3003-YouTube-Analytics gegeben. Da habe ich gefragt: „Such mir mal raus, welche Videos die älteste Zuschauerschaft ansprechen und welche die jüngste.“ Ja, und am Ende kam einfach raus, dass das gleiche Video sowohl die älteste als auch die jüngste Zuschauerschaft hat. Was offenbar einfach daran lag, dass Comet nicht in der Lage war, sich durch mehrere Videos zu klicken, sondern einfach immer nur das aktuelle angeguckt hat. Typisches Problem bei Agenten, dass sie sich halt irgendwie komisch festfahren.

Was Comet auf jeden Fall besser kann als die Konkurrenz, einfach weil es ein Browser ist: Man kann den Comet-Agenten mit einem Prompt auf mehrere Tabs loslassen. Und das ist so ein bisschen Fluch und Segen zugleich.

Wenn man nämlich Comet als Hauptbrowser verwendet, ist man ja auf vielen Sites eingeloggt, was ja dem Agenten sehr zugute kommt, weil ja eben vieles nur mit Login funktioniert. Der ChatGPT-Agent dagegen wird häufig ausgesperrt, vor allem von Google-Services. Klar, ist Konkurrenz – und das löst Comet dann halt auf die Weise, dass es eben in meinem persönlichen Browser läuft und trotzdem in vielen Fällen nicht besser funktioniert als ChatGPT-Agent, der ja auch oft nur Quatsch fabriziert.

Also schon mal als Zwischenfazit:
Man braucht sehr spezifische Aufgaben, bei denen Agents heute schon sinnvoll helfen können.

Sie wollen an die Daten

Für meine Arbeit und auch für mein Privatleben habe ich solche Use Cases noch nicht gefunden, was nicht heißen soll, dass es sie nicht gibt. Also wenn ihr was ganz Konkretes habt, wo euch Comet oder c’t-GPT-Agent oder ein anderer Agent regelmäßig Zeit und Nerven sparen, schreibt das gerne in die Kommentare oder an 3003-htttd. Das interessiert uns wirklich, weil wir auch noch nicht so viele gute Beispiele gesehen haben für diese Agents. Aber vielleicht sind wir auch nur unkreativ.

Naja, aber ganz wichtig: Jetzt kommen wir mal zum Elefanten im Raum. Warum pusht Perplexity eigentlich so stark den eigenen Browser? Die wollten ja sogar zeitweise mal Chrome kaufen, weil Google Ärger mit den US-Behörden hatte, so mit Kartellen und so. Aber das ist durch. Chrome bleibt vorerst bei Google und Perplexity macht sein eigenes Ding.

Der Perplexity-Chef Aravind Srinivias hat im April gesagt, dass einer der Hauptgründe für die Browser-Fixierung seiner Firma sei: Wir wollen auch die Daten sammeln, die bei den Usern außerhalb der Perplexity-App anfallen. Also halt alle Daten, auch die, die gar nichts mit KI-Nutzung zu tun haben, weil man ja den Comet-Browser als Hauptbrowser benutzen soll. Das will Perplexity richtig doll. Da gehen ständig irgendwelche Pop-ups auf, die dazu auffordern.

Also habe ich die ganze Zeit weggeklickt, weil, sagt auf jeden Fall Srinivias, die Leute nutzen KI oft nur für Arbeitssachen, nicht so für Privates. Aber den Browser benutzen sie halt für alles. Und man will ja auch an die privaten Sachen ran. Also wenigstens ist er ehrlich, und er sagt halt auch, dass Perplexity hyperpersonalisierte Werbung verkaufen will und dass die Leute das dann auch mit dem Datensammeln okay fänden, weil sie dann ja bessere Werbung bekämen.

Ja, ich lasse das mal so stehen. Wenn ihr in das Datenschutz-versus-Perplexity-Comet-Thema detaillierter reinwollt, empfehle ich euch dieses Video hier vom hochgeschätzten Morpheus.

Deutlich datenschutzfreundlicher: BrowserOS

Wenn ihr gerne mal so einen agentischen Browser ausprobieren wollt und trotzdem sicherstellen wollt, dass eure Daten nicht euren Rechner verlassen: Ja, da gibt’s was. Das ist Open Source, nämlich Browser OS. Es basiert auch auf Chromium und verbindet sich auf Wunsch mit LLMs in der Cloud, also von OpenAI oder von Google oder Anthropic. Aber, und das finde ich natürlich sehr aufregend, kann man da auch lokale LLMs anbinden.

Und da passierte ja in den letzten Monaten ziemlich viel. Zum Beispiel kamen da zwei frei nutzbare LLMs von OpenAI raus oder auch hier eins von Alibaba namens Qwen-3. Mit meiner Grafikkarte mit 24 Gigabyte schnellem Speicher habe ich diese beiden hier ausprobiert. Die gehören auch so ziemlich zu den vielversprechendsten.

Ja, aber leider, was soll ich sagen? Keiner der beiden war in Browser OS in der Lage, einfachste Arbeiten zu machen, also zum Beispiel den aktuell meistgelesenen Artikel auf heise online anzuklicken, obwohl man da nur ein bisschen runterscrollen muss und da dann die meistgelesenen Artikel aufgelistet sind. Die kommerziellen Agents schaffen das alle problemlos.

Naja, und wenn man Flüge buchen will, dann kommt da sowas raus: Aha, okay, null Umstiege für 200 Euro. Weiß ich nicht. Ist, glaube ich, nicht richtig.

Ja, das ist das 12-Gigabyte große GPT-OSS-20b. Etwas besser hat bei meinem Test das 18-Gigabyte große Qwen-3-30b-Modell in Browser OS abgeschnitten. Aber bei diesem Test hier, wo ich Browser OS mit Qwen-3, GPT-Agent, Perplexity Comet und Manus gleichzeitig gepromptet habe, und zwar mit der Anfrage, mir einen Flug von Hannover nach Tokio zu suchen, möglichst günstig, unter 19 Stunden:

Ja, da ist Browser OS auch in einer halben Stunde nicht darüber hinausgekommen, Hannover ins Feld hier einzugeben. Ja, und Manus ist auch hängen geblieben. Comet und GPT-Agent haben es hinbekommen, aber mit deutlichen Unterschieden. Der GPT-Agent-Flug war heftige 400 Euro günstiger als der von Comet. Also da ist generell noch viel Potenzial nach oben.

Ganz klar ist aber auch, dass der Kampf um eure Daten gerade erst angefangen hat. Ja, das muss euch leider klar sein, dass eure Daten – um euch möglichst passgenaue Werbung anzuzeigen – ein großer Motivator für den ganzen KI-Hype sind. Und natürlich nicht nur bei Perplexity, sondern auch bei anderen Unternehmen.

Wenn ihr KI verwenden wollt, würde ich euch natürlich am liebsten empfehlen, lokale Sprachmodelle zu nehmen. Aber ja, die sind immer noch ziemlich weit von der Qualität von GPT und Co. entfernt. Deshalb würde ich zumindest empfehlen, Standalone-KI-Angebote zu nutzen, also einzelne Websites wie GPT oder Apps, statt komplett auf einen KI-Browser umzusteigen. So könnt ihr zumindest selbst entscheiden, welche Daten ihr an den KI-Anbieter geben wollt und welche nicht.

Bei einem KI-Browser oder sogar einem KI-Betriebssystem, ja, da sieht der Anbieter womöglich alles, was ihr macht. Also alles.

Und was man auch bedenken muss: Die großen Tech-Firmen investieren gerade gigantische, also wirklich so noch nie dagewesene Summen in KI-Rechenzentren. Also Amazon 118 Milliarden Dollar nur für 2025, Microsoft 80 Milliarden, Google 85 Milliarden, Meta ungefähr 70 Milliarden. Ja, und die ganze KI-Rechenpower, die da entsteht – mit der muss man ja irgendwas machen. Und die Investitionen, die sollen ja auch wieder eingespielt werden.

Deshalb ist schon jetzt klar wie Kloßbrühe: Wir werden überschwemmt werden mit KI-Funktionen, egal ob sinnvoll oder nicht. Erst mal ausprobieren, mal gucken, was hängen bleibt.

Und ja, okay, der Strom für diese gigantischen Rechenzentren, der kann realistischerweise aktuell nicht mit Erneuerbaren erzeugt werden. Das heißt für die Betreiber: Dinge verbrennen und irgendwie CO2-Ausgleichszertifikate kaufen, damit man sich trotzdem noch als Freund der Erde darstellen kann.

Was am Ende rauskommt, weiß ich nicht. Es wäre unseriös, wenn ich jetzt sagen würde, dass ich das wüsste. Also es kann sein, dass in den dicken Rechenzentren am Ende, keine Ahnung, Krebs ausgerottet wird, weil die KI ein Heilmittel findet. Das ist tatsächlich eine Hypothese, die ich jetzt nicht aus der Luft gegriffen habe. Das ist eine These, die ich schon häufiger gehört habe.

Gleichzeitig sagt aber sogar Meta-Boss Mark Zuckerberg, dass KI eine Blase sein könnte, die platzen kann. Also die Wahrheit liegt wahrscheinlich irgendwo dazwischen. Tschüss.

c’t 3003 ist der YouTube-Channel von c’t. Die Videos auf c’t 3003 sind eigenständige Inhalte und unabhängig von den Artikeln im c’t Magazin. Die Redakteure Jan-Keno Janssen, Lukas Rumpler, Sahin Erengil und Pascal Schewe veröffentlichen jede Woche ein Video.

(jkj)