Einführung
Die Nutzung von OpenClaw ermöglicht es, einen persönlichen KI-Assistenten auf Telegram zu betreiben, der auf der eigenen Hardware läuft. „Das ist der Punkt, an dem OpenClaw eine Lücke schließt“, erklärt Peter Steinberger, der Entwickler von OpenClaw. Die Software verbindet lokale Ollama-Modelle mit gängigen Messaging-Apps wie WhatsApp, Telegram, Slack, Discord und iMessage und bleibt dabei ständig aktiv.
Nachdem die Software Ollama erfolgreich eingerichtet wurde und erste Abfragen im Terminal funktionierten, stellt sich die Frage, wie man diese KI dauerhaft in den Alltag integriert. OpenClaw wurde Ende 2025 unter dem Namen Clawdbot veröffentlicht und hat innerhalb kürzester Zeit über 60.000 Sterne auf GitHub erhalten. Mit der Version Ollama 0.17 wird die gesamte Einrichtung auf einen einzigen Befehl reduziert.
Was ist OpenClaw und wie funktioniert es?
Bevor Befehle ausgeführt werden, ist es wichtig zu verstehen, wie die Architektur von OpenClaw funktioniert. Alle Daten fließen durch einen einzelnen Daemon namens Gateway, der im Hintergrund läuft, die Verbindungen zu den Messaging-Diensten aufrechterhält und den KI-Agenten koordiniert. Wenn eine Nachricht über WhatsApp oder Telegram gesendet wird, gelangt der Text über das jeweilige Protokoll zum Gateway, das ihn an das lokale Ollama-Modell weiterleitet und die Antwort zurücksendet.
Die Architektur von OpenClaw unterscheidet sich von herkömmlichen Chatbots, da sie eine dreischichtige Struktur aufweist:
- Messaging-Schicht: Hierüber werden die Nachrichten gesendet, sei es über das Smartphone oder einen Desktop-Client.
- Gateway-Daemon: Diese Schicht bleibt aktiv, auch wenn sie nicht aktiv genutzt wird, und verwaltet mehrstufige Aufgaben im Hintergrund.
- Modell-Schicht: Dies kann ein lokal laufendes Modell auf der GPU oder ein cloudbasiertes Modell sein.
OpenClaw war zuvor unter dem Namen Moltbot bekannt und wurde Anfang 2026 umbenannt. Alle alten Befehlsalias funktionieren weiterhin, sodass bestehende Skripte nicht betroffen sind.
Systemanforderungen und Voraussetzungen
Die Anforderungen an den Kontext von 64k Tokens beeinflussen die Hardware- und Modellwahl erheblich. Ollama legt die Standard-Kontextlängen basierend auf dem verfügbaren VRAM fest: unter 24 GB gibt es 4k Kontext, 24–48 GB 32k und 48 GB oder mehr 256k. Für die meisten Verbraucherhardware ist der Standard 4k, was für mehrstufige Aufgaben nicht ausreicht.
Hardwareanforderungen:
- Betriebssystem: macOS 12+, Linux, Windows (Windows Subsystem for Linux, WSL)
- RAM: 16 GB (empfohlen: 32 GB)
- GPU VRAM (lokales Modell): 25 GB (für qwen3-coder oder glm-4.7-flash)
- GPU VRAM (Cloud-Modell): Keine, läuft auf Ollama’s Cloud
- Speicher: 5 GB (OpenClaw + Abhängigkeiten), 30 GB+ bei lokalen Modellen
Softwarevoraussetzungen:
- Ollama 0.17 oder später ist erforderlich.
- Node.js 18 oder später ist erforderlich.
- Ein Ollama-Konto ist erforderlich für Cloud-Modelle und Web-Suche.
Installation mit einem Befehl über ollama launch
Mit Ollama 0.17+ ist es nicht mehr notwendig, OpenClaw manuell zu installieren oder den Gateway zu konfigurieren. Der gesamte Bootstrap-Prozess wird von Ollama übernommen. Um OpenClaw zu starten, öffnet man ein Terminal und führt den Befehl ollama launch openclaw aus.
Ollama führt dann automatisch fünf Schritte aus:
- Installationsprüfung
- Sicherheitswarnung
- Modellauswahl
- Onboarding
- Gateway-Start
Konfiguration der Kontextlänge für Agentenaufgaben
Die Konfiguration der Kontextlänge ist entscheidend, um die Leistung von OpenClaw zu optimieren. Die offizielle Dokumentation gibt an, dass das Minimum 64k Tokens beträgt. Für mehrstufige Aufgaben ist es ratsam, die Kontextlänge vor dem Start festzulegen.
Die Kontextlänge kann entweder über eine Umgebungsvariable oder über die Ollama-App konfiguriert werden. Es ist wichtig, die Anwendung zu überprüfen, um sicherzustellen, dass die Kontextlänge korrekt angewendet wurde.
Verbindung eines Messaging-Kanals
Sobald der Gateway läuft, kann die Verbindung zur Messaging-Plattform hergestellt werden. Der einfachste Einstiegspunkt für Entwickler ist Telegram, da hier keine Telefonnummer verknüpft werden muss.
Um einen Bot auf Telegram zu erstellen, wird der BotFather verwendet. Nach der Erstellung des Bots wird ein Token generiert, das in OpenClaw eingegeben werden muss. Nach der Konfiguration kann der Bot über Telegram kontaktiert werden.
Das Projekt: Privater Forschungsassistent auf Telegram
Das Ziel dieses Projekts ist es, einen privaten Telegram-Bot zu erstellen, der:
- Fragen mit dem lokalen oder Cloud-Modell beantwortet
- Aktuelle Informationen über die Websuche bereitstellt
- Dokumente und URLs zusammenfasst
- Mehrstufige Forschungsaufgaben ohne Datenverlust durchführt
Websuche aktivieren
Wenn ein Cloud-Modell verwendet wird, wird das Websuch-Plugin automatisch installiert. Für lokale Modelle muss zuerst ein Ollama-Login erfolgen, bevor die Websuche aktiviert werden kann.
Multi-Step-Aufgaben im TUI
Ein Beispiel für eine mehrstufige Aufgabe könnte sein: „Finde die drei meistzitierten Arbeiten zur Transformer-Attention, die 2025 veröffentlicht wurden, und gib mir eine Zusammenfassung von jeweils einem Satz.“ Die Ergebnisse werden in Telegram als formatierte Nachricht zurückgesendet.
Nicht-interaktive und headless Bereitstellung
Für den Produktionsbetrieb kann OpenClaw auch headless in Docker bereitgestellt werden. Hierbei wird der interaktive TUI entfernt, und der Gateway wird sofort gestartet.
Fehlerbehebung und Schlussfolgerung
Um den Gateway sauber zu stoppen, sollte der Befehl openclaw gateway stop verwendet werden. Häufige Probleme können durch Überprüfung der Gateway-Aktivität oder durch Sicherstellung, dass das Ollama-Konto angemeldet ist, behoben werden.
OpenClaw und Ollama schließen die Lücke zwischen KI, die im Terminal funktioniert, und KI, die überall verfügbar ist. Die praktische Anwendung zeigt sich schnell, da mehrstufige Forschungsaufgaben im Hintergrund erledigt werden können, während der Benutzer andere Tätigkeiten ausführt. Um mehr über die Implementierung zu erfahren, können Sie auch ein Echtzeit-Sprachmodell lokal ausführen.
„`
Quellen: kdnuggets
Bildquelle: KI generiert
🚀