OpenClaw Tutorial Teil 1: Was ist OpenClaw?

📚 Serie: OpenClaw installieren & einrichten — Teil 1 von 8
Teil 2: Installation auf macOS, Linux & Raspberry Pi →

OpenClaw ist ein Open-Source-Projekt für einen selbst gehosteten KI-Assistenten. Im Kern läuft ein Gateway-Prozess auf deiner eigenen Maschine, der Chat-Kanäle, Agenten, Modelle, Werkzeuge und Automationen zusammenführt. Die offizielle Dokumentation beschreibt OpenClaw als selbst gehosteten Gateway, der unter anderem Discord, Google Chat, iMessage, Matrix, Microsoft Teams, Signal, Slack, Telegram, WhatsApp, Zalo und weitere Dienste mit KI-Agenten verbinden kann.

Wichtig ist die Unterscheidung: OpenClaw ist nicht einfach ein weiteres Chatfenster. Es ist eine lokale Steuerzentrale. Nachrichten können aus Messenger- oder Team-Chat-Kanälen kommen, werden lokal geroutet und anschließend an konfigurierte Agenten, Modellprovider und Werkzeuge weitergegeben. Welche Kanäle, Modelle und Tools tatsächlich nutzbar sind, hängt vom installierten Stand, von der Konfiguration und von aktivierten Erweiterungen ab.

Dieser Auftakt der Serie vermittelt Architektur, zentrale Begriffe und typische Einsatzmöglichkeiten. Er legt das Fundament für die praktische Installation im zweiten Teil, ohne so zu tun, als sei die Einrichtung nur ein einzelner Copy-Paste-Befehl.

Für wen ist dieser Einstieg?

Dieser Teil ist bewusst ohne Terminal-Befehle aufgebaut. Du musst noch nichts installieren und auch keine Modellanbieter auswählen. Es geht zuerst um die Frage, ob OpenClaw überhaupt zu deinem Ziel passt.

Nach dem Lesen solltest du vier Dinge einordnen können:

• was OpenClaw auf deinem Rechner grundsätzlich macht,
• warum ein lokaler Gateway wichtig ist,
• welche Sicherheitsfragen du vor der Installation ernst nehmen solltest,
• welche Entscheidungen die Konfiguration später ungefähr abfragt.

Wenn du einfach nur wissen willst, ob OpenClaw eher „Chat-App“, „Automationswerkzeug“ oder „Agenten-Plattform“ ist: Hier startest du.

Was ist OpenClaw?

OpenClaw ist ein selbst gehosteter Gateway für KI-Agenten. Der Gateway läuft auf deinem System und verbindet Kommunikationskanäle mit Agenten, Modellprovidern und Werkzeugen. Das Projekt positioniert sich plattformübergreifend und will einen persönlichen KI-Assistenten nicht an genau eine Chat-App oder genau einen Modellanbieter binden.

Statt nur über eine isolierte Web-App bedient zu werden, kann OpenClaw in bestehende Kanäle integriert werden. Eingehende Nachrichten werden über Channel-Anbindungen an den Gateway geleitet. Ein Agent verarbeitet sie mit einem konfigurierten Modell und kann anschließend freigegebene Tools nutzen.

In der Praxis ist OpenClaw deshalb mehr als nur „Programm installieren und losschreiben“. Zur Einrichtung gehören typischerweise Fragen rund um Workspace, Modellzugang, Gateway, Kanäle, Plugins, Skills und Health-Checks. Schon die Struktur der offiziellen Konfigurationsbereiche zeigt: Hier wird nicht bloß ein Prompt-Fenster eingerichtet, sondern ein laufendes Agenten-System.

Typische Werkzeug- und Integrationsbereiche sind:

• Shell- und Prozesssteuerung, sofern aktiviert,
• Datei- und Workspace-Zugriff,
• Browser- und Web-Funktionen,
• Nachrichtenfunktionen für angebundene Channels,
• Plugins, Skills und Workflows,
• geplante Aufgaben und Automationen.

Wiederkehrende Aufgaben lassen sich laut Dokumentationsindex über Bereiche wie Scheduled Tasks, Hooks, Standing Orders, Task Flow und Background Tasks abbilden. Mehrere Workspaces, Sessions oder Agentenkontexte können je nach Setup getrennt betrieben werden. Im Gegensatz zu reinen Cloud-Apps liegt die Orchestrierung lokal. Die Sprachmodelle werden separat angebunden, typischerweise über konfigurierte Modellprovider.

Die Philosophie hinter dem System

Das Projekt beschreibt sich als persönlicher KI-Assistent für „Any OS“ und „Any Platform“ und verwendet in seiner Außendarstellung den „lobster way“. Praktisch bedeutet das: OpenClaw will nicht an einen einzelnen Messenger, eine einzelne Cloud-App oder einen einzelnen Modellanbieter gebunden sein.

Im Zentrum steht die lokale Kontrolle über den Steuerungs-Layer. Du wählst selbst aus, welche Provider, Tools, Plugins, Channels und Datenquellen eingebunden werden. Diese Architektur ermöglicht hohe Anpassbarkeit. Falls ein Modellanbieter ausfällt oder für einen Einsatzzweck ungeeignet ist, können andere Provider oder Modelle konfiguriert werden, sofern die eingesetzte OpenClaw-Version den jeweiligen Pfad unterstützt.

Daten verlassen den Rechner allerdings nicht automatisch nie, nur weil OpenClaw lokal läuft. Sobald externe LLM-Provider, Messenger-Dienste, Web-Suchen oder andere APIs genutzt werden, werden entsprechende Inhalte an diese Dienste übertragen. Der Vorteil liegt also nicht in vollständiger Offline-Isolation, sondern in bewusster lokaler Orchestrierung und kontrollierter Konfiguration dieser Verbindungen.

Architektur und Funktionsweise

OpenClaw basiert auf einer modularen Struktur. Der zentrale Baustein ist der Gateway-Prozess. Er verbindet Channels, Konfiguration, Agenten, Modellzugriff, Tools und Automationen.

┌─────────────────────────────────────────────────────────┐
│                    OpenClaw Gateway                     │
│                                                         │
│  ┌─────────────┐   ┌─────────────┐   ┌─────────────┐    │
│  │  Channels   │◀─▶│  Routing /  │◀─▶│  Agents /   │    │
│  │             │   │  Sessions   │   │  Models     │    │
│  └─────────────┘   └─────────────┘   └─────────────┘    │
│          ▲                 ▲                 ▲          │
│          │                 │                 │          │
│  ┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼────────┐ │
│  │ Plugins/Skills│ │ Workspaces    │ │ Tools/Automation│ │
│  └───────────────┘ └───────────────┘ └────────────────┘ │
└─────────────────────────────────────────────────────────┘

Die aktuelle Dokumentation nennt für den geführten Konfigurationsweg unter anderem die Bereiche workspace, model, web, gateway, daemon, channels, plugins, skills und health. Das ist ein guter Hinweis auf die tatsächliche Systemstruktur: OpenClaw besteht nicht nur aus einem Modellprompt, sondern aus mehreren konfigurierbaren Schichten.

Channels sind Schnittstellen zu Kommunikationsdiensten. Die Dokumentation listet unter anderem Discord, Google Chat, iMessage, Matrix, Microsoft Teams, Signal, Slack, Telegram, WhatsApp und Zalo. Je nach Channel unterscheiden sich Einrichtung, Authentifizierung, Gruppenverhalten, Antwortmöglichkeiten und Plattformvorgaben.

Agents und Sessions verarbeiten die eingehenden Aufgaben. Eine Session kombiniert Modell, Kontext, Workspace und verfügbare Werkzeuge. Welche Rechte ein Agent hat, hängt nicht nur vom Modell ab, sondern auch davon, welche Tools und Plugins du freigibst.

Plugins und Skills erweitern den Funktionsumfang. Sie können neue Integrationen, Befehle, Werkzeuge oder strukturierte Verhaltensweisen bereitstellen. Diese Erweiterbarkeit ist nützlich, erhöht aber auch den Prüfaufwand: Jedes zusätzliche Plugin ist eine weitere Komponente, die Berechtigungen, Geheimnisse und mögliche Nebenwirkungen haben kann.

Automation ist ein eigener wichtiger Bereich. Die offizielle Dokumentation führt Seiten zu Scheduled Tasks, Hooks, Standing Orders, Task Flow und Background Tasks. OpenClaw kann damit über reine Chat-Reaktionen hinausgehen und wiederkehrende oder ereignisgesteuerte Aufgaben ausführen.

Anbindung der KI-Modelle

OpenClaw liefert nicht einfach ein einziges fest eingebautes Sprachmodell als geschlossenen Kern. Stattdessen werden Modellprovider und Modelle konfiguriert. Die Dokumentation beschreibt Modellreferenzen im Format provider/model. Welche konkreten Provider und Modelle verfügbar sind, hängt vom installierten Stand und von deinen Authentifizierungen ab.

Die Modell-Auswahl folgt laut aktueller Dokumentation grob dieser Reihenfolge:

1. primäres Standardmodell,
2. konfigurierte Fallback-Modelle,
3. providerinterne Auth- und Failover-Mechanismen.

Zusätzlich gibt es mit agents.defaults.models eine Allowlist beziehungsweise einen sichtbaren Modellkatalog für Agenten und Modellauswahl. Das ist wichtig: Ein eingerichteter Provider ist nicht automatisch gleichbedeutend damit, dass jedes Modell überall genutzt werden soll.

Für den Betrieb sind folgende Punkte essenziell:

• API-Schlüssel, OAuth-Profile und Tokens gehören nicht in öffentliche Repositories.
• Externe Provider erhalten die gesendeten Prompts, Kontextdaten und Tool-Ergebnisse, sofern sie Teil einer Anfrage sind.
• Fallbacks erhöhen Robustheit, können aber auch Daten an andere Anbieter weitergeben.
• Unterschiedliche Agenten oder Sessions können je nach Setup unterschiedliche Modelle oder Modellregeln nutzen.
• Provider-Konfigurationen sollten nach Änderungen mit den offiziellen CLI- und Doku-Hinweisen geprüft werden.

Die detaillierte Provider-Konfiguration wird in Teil 3 behandelt. Vor der Einrichtung solltest du immer die aktuelle OpenClaw-Dokumentation konsultieren, weil sich Provider, Auth-Flows, Modellnamen und Defaults aktiv weiterentwickeln.

Zielgruppe und Einsatzszenarien

OpenClaw richtet sich an technikaffine Anwender, Entwickler und Teams, die einen KI-Assistenten selbst hosten möchten. Grundkenntnisse im Umgang mit Konfigurationsdateien, Terminal, API-Schlüsseln und lokalen Diensten sind empfehlenswert. Je nach Installationsweg können weitere Voraussetzungen hinzukommen.

Typische Anwendungsfälle umfassen:

• persönliche Assistenz über Messenger,
• Recherche, Zusammenfassung und Web-Analysen,
• lokale Datei- und Workspace-Verwaltung,
• geplante Aufgaben über Automationsfunktionen,
• wiederverwendbare Workflows mit Skills und Plugins,
• kontrollierte Labor- oder Team-Setups,
• Verbindung von Chat-Kanälen mit KI-Agenten.

Smart-Home-, Kalender- oder Fachintegrationen sind möglich, sofern passende Tools, Plugins oder externe Schnittstellen bereitstehen. Sie sind jedoch keine automatische Grundfunktion, sondern erfordern gezielte Konfiguration.

Wichtige Begriffe im Überblick

Begriff	Kurzerklärung
Gateway	Zentraler selbst gehosteter Prozess, der Channels, Agenten, Modellzugriff, Tools und Automationen verbindet.
Agent / Session	Laufende KI-Verarbeitung mit Modell, Kontext, Workspace und freigegebenen Werkzeugen.
Channel	Anbindung an Dienste wie Telegram, WhatsApp, Slack, Discord oder andere dokumentierte Kommunikationsplattformen.
Model Provider	Anbieter oder Backend, über das OpenClaw ein Modell im Format provider/model anspricht.
Fallback-Modell	Ersatzmodell, das genutzt werden kann, wenn das primäre Modell nicht verfügbar ist oder fehlschlägt.
Skill	Zusätzliche Fähigkeit, Regel oder strukturierte Anleitung für Agentenverhalten.
Plugin	Erweiterungspaket für neue Channels, Skills, Commands, Tools oder Integrationen.
Tool	Konkretes Werkzeug, das ein Agent nutzen darf, zum Beispiel Datei-, Shell-, Browser- oder Nachrichtenfunktionen.
Workspace	Arbeitsbereich einer Session oder eines Agenten für Dateien, Zustände und projektspezifische Daten.
Automation	Geplante oder ereignisgesteuerte Aufgabe, etwa über Scheduled Tasks, Hooks oder Background Tasks.

Sicherheit: Was du von Anfang an beachten solltest

OpenClaw stellt mächtige lokale Werkzeuge bereit. Ein Agent mit Shell-, Datei-, Browser- oder Messenger-Zugriff ist kein harmloser Chatbot.

Ein einfaches Bild hilft: Ein normaler Chatbot schreibt dir eine Antwort. Ein OpenClaw-Agent kann je nach Freigabe auch Dinge tun. Genau deshalb ist eine sichere Grundeinstellung wichtiger als die perfekte Automatisierung zum Start.

Für die folgenden Serienteile gelten diese Grundregeln:

• Gateway und Verwaltungsoberflächen zunächst nur lokal und nicht öffentlich betreiben.
• Remote-Zugriff erst einrichten, wenn Authentifizierung, Netzwerkpfad und Berechtigungen verstanden sind.
• Für entfernten Zugriff bevorzugt abgesicherte Wege wie SSH-Tunnel, VPN oder vergleichbare geschützte Pfade nutzen.
• API-Keys, OAuth-Tokens und Messenger-Credentials niemals in Chatverläufen, Screenshots oder öffentlichen Repositories teilen.
• Setup-Ausgaben vor dem Teilen prüfen: Logs können echte Tokens, Bot-Credentials oder OAuth-Rückgaben enthalten.
• Tools nur aktivieren, wenn der Einsatzzweck klar definiert ist.
• Shell- und Dateizugriff zuerst in isolierten Test-Workspaces ausprobieren.
• Messenger-Integrationen nur mit bewusst gewählten Accounts und Berechtigungen testen.
• Fallback-Modelle und zusätzliche Provider datenschutzbewusst konfigurieren, weil Inhalte dadurch an weitere Dienste gehen können.
• Plugins und Skills wie ausführbaren Erweiterungscode behandeln: Quelle prüfen, Berechtigungen begrenzen, Änderungen dokumentieren.

Diese Maßnahmen sind entscheidend, weil genau die lokale Werkzeugfähigkeit OpenClaw stark macht, aber auch das Risiko erhöht.

Aufbau dieser Serie

Die Tutorial-Serie führt schrittweise von der Installation bis zum produktiveren Einsatz:

1. Teil 1 – Überblick & Architektur ✓
2. Teil 2 – Installation auf macOS, Linux & Raspberry Pi
3. Teil 3 – Modelle konfigurieren: Provider, API-Keys und lokale Optionen
4. Teil 4 – Telegram & WhatsApp verbinden
5. Teil 5 – Skills & Tools erweitern
6. Teil 6 – Workspace einrichten: System-Prompts & Gedächtnis
7. Teil 7 – Cron-Funktionen, Heartbeats & Automationen
8. Teil 8 – Multi-Agent-Setup & Sub-Agenten

Für diesen Auftakt sind keine speziellen Voraussetzungen nötig. Ein grundlegendes Interesse an KI-Agenten und ein internetfähiger Rechner genügen. Ein GitHub-Account ist hilfreich, um bei Bedarf Quellcode, Issues oder Releases zu prüfen.

Weiter mit Teil 2

Im nächsten Schritt folgt die praktische Umsetzung. Teil 2 zeigt die Installation auf macOS, Linux oder Raspberry Pi, soweit der jeweilige Installationsweg zur aktuellen OpenClaw-Version passt. Dort geht es nicht nur um den Installer, sondern auch um die realen Setup-Entscheidungen: OpenClaw-CLI, grundlegende Konfiguration, Modell-Login, erster Channel, Gateway-Betrieb und die ersten Sicherheitsentscheidungen.

Zu Teil 2 →

Wenn du neu einsteigst, reicht für heute dieses Ziel: verstehen, dass OpenClaw nicht „ein weiteres Chatfenster“ ist, sondern eine lokale Steuerzentrale für Agenten, Modelle, Tools, Automationen und Kanäle. Die eigentliche Einrichtung kommt Schritt für Schritt.

Fazit

OpenClaw bietet eine modulare, lokal kontrollierte Architektur für KI-Agenten. Durch die Trennung von Gateway, Channels, Modellanbindung, Workspaces und Tools bleibt die Steuerung weitgehend in der eigenen Hand. Die Flexibilität erfordert jedoch ein bewusstes Sicherheitskonzept, insbesondere bei externen Providern, Messenger-Integrationen, Automationen und Werkzeugfreigaben. Mit diesem Überblick sind die Grundlagen gelegt, um im nächsten Teil die Grundkonfiguration sauber anzugehen.