Microsoft Fara1.5-27B: Autonome Browser-Agenten für die Unternehmensinfrastruktur

Die Automatisierung repetitiver Web-Aufgaben ist seit Jahren ein Ziel der Unternehmens-IT. Formulare ausfüllen, Tabellenkalkulationen pflegen, Rechercheaufgaben erledigen – all das kostet Zeit, die an wertschöpfenderen Stellen besser investiert wäre. Microsoft Research hat mit Fara1.5-27B ein KI-Modell entwickelt, das genau diese Lücke schließen soll: einen autonomen Browser-Agenten, der Web-Aufgaben eigenständig plant, ausführt und abschließt.

Was ist Fara1.5-27B?

Fara1.5-27B ist ein Computer Use Agent (CUA) aus dem Microsoft Research AI Frontiers Lab. Das Modell arbeitet nicht als klassischer Chatbot, der Text generiert – stattdessen nimmt es Screenshots des Browsers wahr und steuert Maus sowie Tastatur, um Aufgaben end-to-end zu erledigen. Das Besondere: Es arbeitet rein visuell auf Basis von Screenshots, ohne Zugriff auf den DOM-Baum oder Accessibility-Tree. Das macht es unabhängig von der technischen Implementierung einer Webseite und erlaubt eine Mensch-äquivalente Interaktion.

Das Modell wurde als Supervised Fine-Tuning auf Qwen3.5-27B trainiert, basierend auf synthetisch generierten Trainingsdaten aus dem hauseigenen FaraGen1.5-Pipeline. Diese Pipeline nutzt starke Frontier-Modelle als Lehrer-Agenten, um Trajektorien zu erzeugen, die dann von Verifiern auf Korrektheit, Effizienz und Benutzerinteraktion geprüft werden.

Technische Spezifikationen auf einen Blick

Fara1.5-27B bringt beeindruckende technische Werte mit, die es für den Enterprise-Einsatz interessant machen:

• Parameter: 27 Milliarden
• Kontextfenster: 262.144 Tokens – ausreichend für umfangreiche Aktionshistorien über lange Browser-Sessions
• Training: Januar bis April 2026 auf 64 × NVIDIA B200 GPU über 6 Tage
• Basismodell: Qwen3.5-27B
• Modellformat: Safetensors, bf16
• Lizenz: MIT – vollständig Open Source
• Veröffentlichung: 21. Mai 2026

Mit 262K Tokens Kontextlänge kann Fara1.5-27B umfangreiche Browser-Sessions mit vollständiger Aktionshistorie verarbeiten, ohne dass wichtige Kontextinformationen verloren gehen. Das ist ein entscheidender Vorteil gegenüber Modellen mit kürzerem Kontextfenster.

Vision-Fähigkeiten: Mehr als nur Texterkennung

Als multimodaler Decoder interpretiert Fara1.5-27B Screenshots auf Pixelebene und sagt präzise Koordinaten für Mausinteraktionen vorher. Das Modell wurde speziell für die Bildschirmauflösung 1440×900 trainiert – eine für Business-Anwendungen typische Auflösung. Es kann:

• Mausaktionen: Linksklick, Rechtsklick, Doppelklick, Drag-and-Drop an exakten Pixelkoordinaten
• Tastatureingaben: Texteingabe und Tastenkürzel
• Navigation: URL-Aufrufe, Scrollen, Seitenverlauf
• Websuche: Eigenständige Recherche auf Basis der Aufgabenstellung
• Kontextmanagement: Fakten merken, Rückfragen an den Benutzer stellen, Aufgaben pausieren

Die Fähigkeit, pixelgenaue Klickziele vorherzusagen, eliminiert die Notwendigkeit eines separaten Grounding-Modells. Das reduziert die Komplexität der Deployment-Architektur erheblich.

Performance: Neue Bestwerte für seine Größenklasse

Microsoft Research hat Fara1.5-27B auf etablierten Browser-Use-Benchmarks evaluiert – mit Ergebnissen, die selbst proprietäre Systeme übertreffen:

Besonders bemerkenswert: Fara1.5-27B outperformt mit 27 Milliarden Parametern deutlich größere proprietäre Systeme auf Online-Mind2Web – einem Benchmark mit 300 Aufgaben auf 136 populären Webseiten. Das zeigt, dass nicht immer die größten Modelle die besten Ergebnisse liefern – trainierte spezialisierte Agenten können effizienter sein.

Die Fara-Familie: Drei Modellgrößen für unterschiedliche Anforderungen

Microsoft bietet Fara1.5 in drei Größenvarianten an, die jeweils unterschiedliche Trade-offs zwischen Rechenleistung und Qualität bieten:

• Fara1.5-4B: Für Edge-Deployment und ressourcenlimitierte Umgebungen geeignet. Bereits 57,3 % auf Online-Mind2Web.
• Fara1.5-9B: Der Sweet Spot für die meisten Enterprise-Anwendungen. Erreicht 63,4 % auf Online-Mind2Web bei moderatem Ressourcenverbrauch.
• Fara1.5-27B: Höchste Leistung für kritische Business-Prozesse. 72,3 % auf Online-Mind2Web, übertrifft proprietäre Systeme.

Die Modellskalierung zeigt einen konsistenten positiven Trend: Vom 4B zum 27B-Modell verbessert sich die Performance auf Online-Mind2Web um +14,7 Prozentpunkte und auf WebVoyager um +7,8 Prozentpunkte. Das macht die Familie skalierbar für verschiedene Unternehmensanforderungen.

Critical Points: Sicherheit als Designprinzip

Ein wesentliches Unterscheidungsmerkmal von Fara1.5-27B gegenüber anderen Browser-Agenten ist das durchdachte Safety-by-Design-Konzept. Das Modell ist trainiert, an drei kritischen Punkten pausieren und den Benutzer konsultieren:

1. Fehlende Benutzerinformation: Wenn eine Aufgabe persönliche Daten erfordert, die der Benutzer nicht bereitgestellt hat – etwa E-Mail-Adresse, Zahlungsdaten oder Adresse – stoppt das Modell und fragt nach.
2. Underspezifizierte Aufgabe: Wenn das Ziel an einem Entscheidungspunkt unklar oder mehrdeutig ist, bittet das Modell um Klärung.
3. Irreversible Aktionen: Formularabsendungen, Käufe, Nachrichtenversand, Anmeldungen – das Modell stoppt ohne explizite vorherige Autorisierung.

Diese kritischen Punkte umfassen konkret: Eingabe persönlicher Informationen, Kreditkartendaten, Versand- oder Rechnungsadressen, Kaufabschluss, Buchungen, Telefonanrufe, E-Mail-Versand, Bewerbungseinreichung und Konto-Anmeldungen. Das Modell proceeding nur, wenn der Benutzer zuvor explizit autorisiert hat.

Deployment-Optionen: On-Premise mit NVIDIA Dynamo

Für Unternehmen, die Fara1.5-27B selbst betreiben möchten, gibt es mehrere Möglichkeiten:

vLLM

Das Modell kann über vLLM als OpenAI-kompatibler Endpoint bereitgestellt werden:

vllm serve microsoft/Fara1.5-27B \
  --dtype bfloat16 \
  --max-model-len 262144 \
  --limit-mm-per-prompt image=10

Empfohlen werden mindestens 2 GPUs mit ausreichend VRAM für das 27B-Modell in bf16. Getestet mit NVIDIA A6000, A100, H100 und B200.

SGLang

SGLang bietet eine alternative Serving-Option, die besonders für Multi-GPU-Setups optimiert ist:

python3 -m sglang.launch_server \
    --model-path "microsoft/Fara1.5-27B" \
    --host 0.0.0.0 \
    --port 30000

MagenticLite: Die empfohlene Orchestrierungsschicht

Microsoft empfiehlt für Production-Deployment die Verwendung von MagenticLite – eine Open-Source-Orchestrierungsschicht (10k Stars auf GitHub), die speziell für Fara-Modelle entwickelt wurde. MagenticLite bietet:

• Sandboxing: Browser-Ausführung in Docker-Containern ohne Zugriff auf Host-Dateien oder Umgebungsvariablen
• Allow-lists: Navigation kann auf benutzerdefinierte Domains beschränkt werden
• Watch-Mode: Echtzeit-Logging aller Aktionen mit vollständigen Trace-Aufzeichnungen
• Pause-Funktion: Sofortige Unterbrechung der Agenten-Aktivität
• Quicksand-VM: Leichte VM-Sandbox, die als Sicherheitsgrenze zwischen Browser und Host-System fungiert

Für den Betrieb mit NVIDIA Dynamo – der NVIDIA-Infrastrukturplattform – ist MagenticLite als Orchestrierungsschicht ideal geeignet. Die Docker-basierte Architektur lässt sich nahtlos in containerisierte GPU-Infrastruktur integrieren.

Vergleichbare Modelle am Markt

Fara1.5-27B ist nicht das einzige Modell für Browser-Automatisierung. Hier die wichtigsten Alternativen im Vergleich:

Was Fara1.5-27B von den meisten Alternativen unterscheidet, ist die Kombination aus Open-Source-Lizenz (MIT), starker Performance und dem integrierten Safety-Framework. Die meisten proprietären Systeme bieten keine vergleichbare Transparenz über das Sicherheitsverhalten.

Einsatzszenarien für Unternehmen

Fara1.5-27B eignet sich für eine Vielzahl von Business-Use-Cases:

• Recherche und Marktanalyse: Automatisierte Wettbewerbsbeobachtung, Preisvergleiche, Produkt-Recherche auf Live-Webseiten
• Formularautomatisierung: Strukturierte Dateneingabe in Web-Formulare – Bestellungen, Bewerbungen, Registrierungen
• Reise- und Veranstaltungsbuchung: Recherche, Vergleich und Buchung von Hotels, Flügen, Konferenzen
• Content-Pflege: Automatisiertes Aktualisieren von Produktlisten, Preisänderungen auf Webseiten
• Datenerfassung: Scraping von Informationen aus unstrukturierten Webseiten in interne Systeme

Einschränkungen und bekannte Limitationen

Kein Modell ist perfekt – Fara1.5-27B hat klar dokumentierte Grenzen, die Unternehmen bei der Evaluierung berücksichtigen sollten:

• Sprache: Training auf Englisch-only – für nicht-englische Webseiten oder Aufgaben ist die Performance deutlich schlechter
• Vision-only: Das Modell kann durch irreführende Seitenlayouts, Prompt Injections in Seiteninhalten oder visuelle Mehrdeutigkeiten getäuscht werden
• Fehlerakkumulation: Mehrstufige Trajektorien akkumulieren Fehler – ein falscher Klick zu Beginn kann eine ganze Aufgabe verderben
• Run-to-Run-Varianz: Die Performance bei Multi-Turn-Tasks ist nicht deterministisch; Benchmark-Werte sind über mehrere Runs gemittelt
• Halluzinationen: Das Modell kann Seiteninhalte falsch interpretieren oder Informationen aus früheren Screenshots fehlattribuieren

Microsoft klassifiziert Fara1.5-27B ausdrücklich als Research Preview. Für kommerziellen Produktionseinsatz sind zusätzliche Tests und Sicherheitsmaßnahmen erforderlich.

Hardware-Anforderungen für On-Premise-Betrieb

Für den selbstorganisierten Betrieb mit vLLM oder SGLang empfiehlt Microsoft:

• Mindestens 2 GPUs mit genügend VRAM für 27B Parameter in bf16
• Getestete Konfigurationen: NVIDIA A6000, A100, H100, B200
• RAM: Ausreichend für den Modell-Sharding über mehrere GPUs
• Shared Memory: Mindestens 32 GB bei Docker-Deployment mit SGLang

Eine einzelne NVIDIA A100 mit 80 GB VRAM kann das Modell theoretisch auf einer GPU betreiben, bei mehreren GPUs verteilt sich der Speicherbedarf entsprechend. Für Produktionsumgebungen mit MagenticLite empfiehlt sich eine Multi-GPU-Konfiguration für Durchsatz und Redundanz.

Fazit

Microsoft Fara1.5-27B setzt mit der Veröffentlichung unter MIT-Lizenz einen neuen Standard für offene Browser-Use-Agenten. Die Kombination aus starker Performance, pixelgenauer Aktionsvorhersage und durchdachtem Safety-Framework macht es zu einer ernstzunehmenden Option für Unternehmen, die Browser-Automatisierung selbst betreiben möchten.

Mit 27 Milliarden Parametern ist das Modell groß genug für komplexe Aufgaben, aber small genug für praktischen Enterprise-Einsatz auf handelsüblicher GPU-Infrastruktur. Die Integration mit MagenticLite als Orchestrierungsschicht bietet dabei die nötige Sicherheit für Production-Umgebungen – mit Sandbox-Isolation, Allow-lists und vollständigem Action-Logging.

Für Unternehmen mit NVIDIA Dynamo-Infrastruktur ist Fara1.5-27B ein natürlicher Kandidat für die nächste Evaluierungsrunde: Open Source, leistungsstark, sicherheitsbewusst und bereit für die Integration in bestehende KI-Infrastruktur.

Sie möchten mehr über den Einsatz von Fara1.5-27B oder anderen KI-Agenten in Ihrer Infrastruktur erfahren? Kontaktieren Sie uns für ein unverbindliches Beratungsgespräch.