Persönliche Agenten: Wenn deine KI wirklich arbeitet
Im ersten Artikel dieser Reihe habe ich den vollen Umfang des KI-Agenten-Wandels skizziert: persönliche Agenten, globale Ökosystem-Wettrennen, selbstverbessernde Systeme, Orchestrierungs-Frameworks.
Worum es geht
Im ersten Artikel dieser Reihe habe ich den vollen Umfang des KI-Agenten-Wandels skizziert: persönliche Agenten, globale Ökosystem-Wettrennen, selbstverbessernde Systeme, Orchestrierungs-Frameworks. Dieser Artikel geht tiefer auf ein Thema ein: die persönlichen Agenten, die bereits auf der Hardware von Menschen laufen und echte Arbeit erledigen - jetzt, in diesem Moment. Konkret: OpenClaw, Hermes Agent und der Pi Coding Agent. Ich betreibe selbst einen davon, das hier ist also keine Theorie.
Vor zwei Monaten bastelte Peter Steinberger an einem Wochenend-Projekt. Er nannte es "WhatsApp Relay." Es war eine Möglichkeit, ein KI-Modell mit einer Messaging-App zu verbinden. Einfache Idee. Er veröffentlichte es und ging schlafen.
Heute hat dieses Projekt über 100.000 GitHub-Sterne und zog in einer einzigen Woche 2 Millionen Besucher an. Es durchlief drei Namensänderungen (WhatsApp Relay, Clawd, Moltbot), bevor es zu OpenClaw wurde. Ein Entwickler. Kein Venture Capital. Kein Marketing-Team.
Wie ein Kommentator es ausdrückte: "Open Source hat eine bessere Version von Siri gebaut, auf die Apple, ein 3,6-Billionen-Dollar-Unternehmen, jahrelang geschlafen hat."
Das ist lustig, weil es stimmt.
Was OpenClaw wirklich tut
Wenn man den Hype weglässt, ist OpenClaw unkompliziert. Es ist eine Open-Source-Plattform, die ein Sprachmodell in einen persistenten Agenten verwandelt. Der Agent läuft auf deiner Hardware. Deinem Laptop, deinem Homelab, einem VPS, einem Raspberry Pi. Deine Daten verlassen dein Gerät nie.
Was es von ChatGPT oder Claude im Browser-Tab unterscheidet: Der Agent hört nicht auf, wenn du das Fenster schließt. Er läuft weiter. Er verbindet sich mit den Messaging-Apps, die du bereits nutzt - Telegram, WhatsApp, Slack, Discord. Er liest deinen Kalender. Er prüft deinen Posteingang. Er schreibt Code und committed ihn zu GitHub. Er erinnert sich an das, worüber ihr gestern gesprochen habt.
Das Wichtigste: Er ist selbst-hackbar. Der Agent kann sich selbst modifizieren, neue Fähigkeiten installieren und Tools aufbauen, die er vorher nicht hatte. OpenClaws Skill-Marktplatz ClawHub funktioniert wie ein App Store für Agenten-Fähigkeiten - inklusive VirusTotal-Bedrohungsscans für von der Community veröffentlichte Skills. Das ist der entscheidende Wendepunkt. Wenn ein Agent seine eigenen Fähigkeiten erweitern kann, wächst der Unterschied zwischen dem, was er heute kann und was er nächste Woche kann, mit zunehmender Geschwindigkeit.
Ich betreibe meinen eigenen OpenClaw-Agenten namens Lucy. Sie verwaltet ihren eigenen Posteingang, Rechercheaufgaben, Code-Erstellung und Terminplanung. Das mache ich seit Wochen. Der Unterschied zwischen Woche eins und Woche drei ist deutlich - weil ihr angesammelter Kontext und ihre gelernten Muster sie im Laufe der Zeit wirklich nützlicher machen.
Hermes Agent: Wenn Agenten autonom werden
NousResearchs Hermes Agent verfolgt einen anderen Ansatz. Wo OpenClaw das Betriebssystem ist, ist Hermes die Workstation des Power-Users. Er kommt mit 40+ integrierten Tools, Multi-Plattform-Messaging und Integration für Reinforcement-Learning-Training. Version 0.4.0 erschien heute, am 24. März. Das Projekt hat 12.000+ GitHub-Sterne und 2.597 Commits.
Die beste Demonstration dessen, was Hermes wirklich kann, ist autonovel. Ein Agent schrieb, bearbeitete, illustrierte, setzte und erzählte autonom einen vollständigen Roman mit 79.456 Wörtern namens Bells. Weltaufbau. Vierundzwanzig Kapitelübersichten. Sechs Runden adversariellem Editieren. Sechs Claude Opus Review-Durchgänge. Linolschnitt-Cover-Art generiert über fal.ai. Neunzehn Holzschnitt-Ornamente in SVG vektorisiert. Ein vollständiges Hörbuch mit 4.179 Sprecher-zugeordneten Segmenten über ElevenLabs. Das Endergebnis: ein druckfertiges PDF in EB Garamond, ein ePub und eine Landing Page. Jeder Schritt dokumentiert. Alles Open Source.
Andrej Karpathy beschrieb den Prozess als "dieselbe Modifizieren-Evaluieren-Behalten/Verwerfen-Schleife, angewandt auf Fiktion."
Was autonovel zeigt, ist nicht, dass KI Bücher schreiben kann. Es zeigt autonome Langzeitaufgaben-Vollendung über Dutzende verschiedener Tools und Modalitäten hinweg. Diese Fähigkeit existiert heute. Sie ist nur noch nicht gleichmäßig verteilt.
Pi Coding Agent: Die 35-Dollar-Frage
Mario Zechner, der Schöpfer von libGDX, baute einen vollständig funktionierenden Coding-Agenten auf einem Raspberry Pi. Gesamte Hardware-Kosten: 35 Dollar. Kein Cloud-Abonnement. Kein Rechenzentrum. Ein kompletter Coding-Agent, der auf Hardware läuft, die du in der Hand halten kannst.
Das ist wichtig, weil es die Annahme zerstört, dass bedeutende KI-Fähigkeiten teure Infrastruktur erfordern. KI-Souveränität - die Fähigkeit, deinen eigenen Agenten zu deinen eigenen Bedingungen zu betreiben - braucht keinen Serverraum. Es braucht eine Kreditkarte und ein Wochenende.
Der Pi Coding Agent verbindet sich direkt mit OpenClaws These: Deine Daten bleiben auf deiner Maschine, dein Agent läuft auf deiner Hardware, und niemand anderes hat ein Mitspracherecht.
Die kritische Perspektive
Hier ist, was in der Begeisterung fehlt.
Einrichtungs-Hürden sind real. OpenClaw erfordert CLI-Kenntnisse, API-Key-Konfiguration und Server-Management. Das ist nichts, was dein Marketing-Team nach dem Mittagessen einrichten wird. Die Zielgruppe heute sind Entwickler und technische Power-User. Massenmarkt-Adoption braucht ein anderes Onboarding-Erlebnis, das es noch nicht gibt.
Prompt Injection ist ungelöst. OpenClaw gibt das offen zu. Es gab bereits einen Vorfall, bei dem ein Agent eine Nachricht falsch interpretierte und eine unbeabsichtigte Aktion bei Lemonade Insurance auslöste. Wenn dein Agent deinen Posteingang lesen und Aktionen ausführen kann, ist die Angriffsfläche real.
API-Kosten sind in den Erfahrungsberichten unsichtbar. Ein 24/7-Agent bedeutet kontinuierlichen Token-Verbrauch. Niemand in der Community-Diskussion erwähnt seine monatliche Rechnung. Für die Enterprise-Planung ist das relevant.
Selbstmodifikation ist zweischneidig. Ein Agent, der seine eigenen Tools installieren und sein eigenes Verhalten modifizieren kann, ist leistungsstark für Automatisierung. Es ist auch ein Sicherheitsproblem, das CISOs sofort aufmerken lässt. Kein Enterprise-SLA. Kein Support-Vertrag. Kein Haftungsrahmen.
Das sind keine Gründe, den Bereich zu meiden. Es sind Gründe, mit klaren Augen einzusteigen.
Das große Bild
Im ersten Artikel beschrieb ich, wie ByteDance, Tencent, Baidu, NVIDIA und Abacus AI alle eigene Varianten dieser Architektur aufbauen. Das ist kein Zufall. Sie haben gesehen, was OpenClaw bewiesen hat - dass persistente Agenten auf persönlicher Infrastruktur wirklich funktionieren - und beschlossen, gehostete Versionen für ihre eigenen Ökosysteme zu bauen. Wenn so viele große Akteure auf dieselbe These konvergieren, ist die These wahrscheinlich richtig.
Was ich wirklich empfehlen würde
Überspringe die Konferenzvorträge. Überspringe die Strategie-Decks. Verbringe ein Wochenende damit, OpenClaw auf einem VPS einzurichten. Verbinde es mit einem Telegram-Konto. Gib ihm Zugang zu einem Test-Posteingang. Beobachte, was passiert.
Was du in diesen acht Stunden lernst, wird wertvoller sein als jede KI-Strategie-Präsentation. Du wirst die Fähigkeiten, die Reibungspunkte, die Sicherheitsfragen und das echte Potenzial auf eine Weise verstehen, die kein noch so langer Lesestoff ersetzen kann. Die Lücke zwischen dem Wissen über Agenten und dem Betreiben eines Agenten - dort lebt die echte Erkenntnis.
Im nächsten Artikel werden wir uns das globale Ökosystem-Rennen ansehen: Warum ByteDance, Tencent, NVIDIA und Baidu alle ihre eigenen OpenClaw-Varianten bauen, und was es bedeutet, dass ein Wochenend-Projekt eines einzelnen Entwicklers zur geopolitischen Priorität wurde.
Quellen
Persönliche KI-Agenten
- OpenClaw
- NousResearch Hermes Agent
- Autonovel
- Bells, der autonome Roman
- Pi Coding Agent von Mario Zechner