Lokal & Autonom: Dein eigener KI-Agent mit OpenClaw

Die Ära der einfachen Chatbots ist vorbei. Willkommen im Zeitalter der autonomen Agenten. Während Dienste wie ChatGPT oder Claude zwar beeindruckend sind, behalten sie deine Daten in der Cloud und kosten monatliche Gebühren. OpenClaw ändert das Spiel: Es ist ein Open-Source-Framework, das es dir ermöglicht, einen mächtigen KI-Agenten lokal zu hosten, der nicht nur chattet, sondern echte Aufgaben erledigt.

Warum OpenClaw?

OpenClaw (ehemals Clawdbot) hat sich in Rekordzeit zu einem der beliebtesten KI-Projekte auf GitHub entwickelt. Warum? Weil es die Brücke zwischen einem Sprachmodell (LLM) und deinem lokalen System schlägt.

Volle Kontrolle: Deine Daten verlassen niemals deinen Server.
Handlungsfähigkeit: OpenClaw kann Dateien verwalten, im Web suchen und sogar Befehle im Terminal ausführen.
Kosten: Null Euro Abogebühren (wenn du es lokal betreibst).

🚀 Das "Ready-to-Run" Setup

Wir werden OpenClaw in einer isolierten Docker-Umgebung aufsetzen. In diesem Guide nutzen wir Ollama als lokales Backend, damit das gesamte System 100% offline-fähig ist.

1. Vorbereitungen

Zuerst erstellen wir einen dedizierten Ordner für unser Projekt, um eine saubere Struktur zu gewährleisten.

mkdir ~/openclaw-setup && cd ~/openclaw-setup

2. Die Docker-Compose Datei

Erstelle die Datei openclaw-setup/docker-compose.yaml:

version: '3.8'

services:
  openclaw:
    image: openclaw/openclaw:latest
    container_name: openclaw-agent
    ports:
      - "3000:3000"
    volumes:
      - ./data:/app/data
      - ./skills:/app/skills
    environment:
      - NODE_ENV=production
      - LLM_PROVIDER=ollama
      - OLLAMA_BASE_URL=http://ollama:11434
      - AGENT_NAME=ClawBot
    depends_on:
      - ollama

  ollama:
    image: ollama/ollama:latest
    container_name: ollama-server
    volumes:
      - ollama_data:/root/.ollama
    ports:
      - "11434:11434"

volumes:
  ollama_data:

3. Starten des Systems

Nun holen wir uns die Container und starten den Agenten:

docker-compose up -d

Nachdem die Container laufen, müssen wir Ollama noch ein Modell zuweisen (z.B. Mistral oder Llama 3):

docker exec -it ollama-server ollama run llama3

🛠 Proof of Concept: Der erste Auftrag

Sobald alles läuft, kannst du das Dashboard unter http://localhost:3000 aufrufen.

Dein erster Testbefehl: "Erstelle eine Liste aller Dateien im /app/data Ordner und schreibe eine Zusammenfassung davon in eine neue Datei namens report.txt."

OpenClaw wird nun:

Den Befehl verstehen (Reasoning).
Das Volume scannen.
Die Datei openclaw-setup/data/report.txt autonom erstellen.

[!TIP] Du kannst OpenClaw über "Skills" erweitern. Diese erlauben es dem Agenten, z.B. Wetterdaten abzurufen oder Smart-Home-Geräte zu steuern.

📸 Visueller Check

Hier sind die Stellen, an denen du deine eigenen Screenshots einfügen kannst, um dein Setup zu dokumentieren:

[!IMPORTANT] Platzhalter: OpenClaw Dashboard Hier ein Screenshot des Dashboards einfügen, der den erfolgreichen Login zeigt. (Box: 800x450px)

[!IMPORTANT] Platzhalter: Agent in Aktion Hier ein Screenshot der Log-Ausgabe einfügen, wenn der Agent eine Datei erstellt. (Box: 800x450px)

Fazit

Mit OpenClaw auf deinem eigenen Server hast du die Power eines autonomen Agenten in der Hand, ohne deine Privatsphäre zu opfern. Es ist der perfekte Einstieg in die Welt der agentischen KI.

Viel Spaß beim Experimentieren!

User Dashboard