Lokale Agenten sind gerade der lauteste Hype im KI-Alltag: Modelle, die nicht nur antworten, sondern Dateien lesen, Tools aufrufen und Aufgaben zu Ende bringen — möglichst auf der eigenen Maschine oder im eigenen Netz.

Zwei Namen tauchen in Gesprächen mit Gründern und Ops-Teams besonders oft auf: OpenClaw und Hermes. Die Frage, die ich dann höre, lautet selten „Welches ist cooler?“, sondern: Womit starte ich den ersten produktiven Use Case, ohne mich festzufahren?

Kurzfassung

Für den ersten Use Case in einem KMU oder einem kleinen Ops-Team würde ich in den meisten Fällen mit dem schmaleren, nachvollziehbaren Stack starten — und das ist für mich eher ein klar abgegrenzter Agenten-Workflow (Hermes-ähnlich: ein Ziel, wenige Tools, starke Guardrails) als ein maximal offenes Multi-Tool-Setup à la experimentierfreudigem OpenClaw-Stil.

OpenClaw gewinnt, wenn ihr schon wisst, welche Tools ihr braucht, und bewusst explorieren wollt. Hermes (bzw. ein Hermes-artiger Ansatz) gewinnt, wenn ihr einen Prozess zuverlässig abschließen wollt.

Was die beiden Richtungen eigentlich versprechen

OpenClaw-Richtung: frei, tool-lastig, agentisch

OpenClaw steht für den Typ Agent, der:

  • viele Werkzeuge anbinden kann (Shell, Browser, APIs, Dateisystem),
  • längere Aufgabenketten plant,
  • eher „Assistent mit Händen“ als „Skript mit Prompt“ ist.

Das ist mächtig — und genau deshalb riskant als Erstprojekt: Zu viele Freiheitsgrade bedeuten mehr Fehlerflächen, mehr Security-Fragen und mehr Debugging, bevor der erste Nutzen sichtbar wird.

Hermes-Richtung: fokussiert, steuerbar, prozessnah

Hermes steht für den Typ Agent, der:

  • um einen klaren Auftrag herum gebaut ist,
  • mit wenigen, explizit freigegebenen Tools arbeitet,
  • Ergebnisse in einem nachvollziehbaren Pfad liefert (Log, Diff, Freigabe).

Das fühlt sich weniger „magisch“ an — und genau deshalb eignet es sich besser als Pilot: Ihr messt Erfolg an einer fertigen Aufgabe, nicht an beeindruckenden Zwischenschritten.

Entscheidungstabelle für den ersten Use Case

| Kriterium | Eher OpenClaw-Stil | Eher Hermes-Stil | | --- | --- | --- | | Ziel unklar, ihr wollt explorieren | ja | nein | | Ein wiederkehrender Prozess soll zuverlässig laufen | riskant | ideal | | Sensible Firmendaten / On-Prem | nur mit hartem Sandbox-Setup | leichter einzugrenzen | | Team ohne KI-Ops-Erfahrung | zu früh | besser | | Zeit bis zum ersten Nutzen | oft länger | oft 1–2 Wochen |

Mein Start-Rezept (praktisch)

  1. Eine Aufgabe wählen, die heute schon manuell läuft (z. B. eingehende Anfragen vorsortieren, Wochenreport vorbereiten, Meeting-Notizen in Tickets überführen).
  2. Erfolg in einem Satz definieren: „Jeden Montag um 9 liegt der geprüfte Entwurf im Ordner X.“
  3. Maximal drei Tools freigeben — nicht fünfzehn.
  4. Menschliche Freigabe für alles, was nach außen geht (Mail, Buchung, Kundentext).
  5. Lokal oder im eigenen Netz hosten, wenn personenbezogene oder vertrauliche Daten im Spiel sind.
  6. Nach zwei Wochen entscheiden: skalieren, umbauen — oder bewusst verwerfen.

Wann ich trotzdem OpenClaw-first sagen würde

  • Ihr habt bereits eine starke technische Person im Team.
  • Der Use Case ist Research / internes Prototyping, nicht Kundenkommunikation.
  • Ihr akzeptiert, dass der erste Monat Lernen kostet, nicht Produktivität.

Fazit

Für den ersten lokalen Agenten-Use Case: Hermes-artig starten. Schmaler Scope, klare Tools, messbares Ergebnis. OpenClaw (oder vergleichbare offene Agenten) kommen danach — wenn ihr wisst, welche Freiheiten ihr wirklich braucht.

Wenn du willst, können wir in einem 30-Minuten-Projektcheck genau eine Aufgabe aus deinem Alltag nehmen und skizzieren, welcher Agenten-Schnitt dafür der richtige ist.