13 Wochen mit OpenClaw als täglichem Begleiter: Was funktionierte, was kaputtging, was noch schmerzt

Nach 13 Wochen, in denen er OpenClaw als sein primäres persönliches Agentensystem auf einem Raspberry Pi betrieben hat – für Telegram-Chat, Langzeitspeicher, Cron-Jobs, Unteragenten, Recherche-Workflows und externe APIs – hat ein r/openclaw-Benutzer eine detaillierte Zusammenfassung veröffentlicht. Das Fazit: OpenClaw ist leistungsfähig genug, um als Infrastruktur behandelt zu werden, aber noch rau genug, dass man Geduld, Logs, Backups und die Bereitschaft braucht, merkwürdige Randfälle zu debuggen.

Was gut funktioniert hat

• Workflow-Schichtung. Der Agent sitzt zwischen Nachrichten, Dateien, Crons, APIs, Speicher und Tools. Das Cron-System ist wirklich nützlich – wiederkehrende Aufgaben sammeln, verarbeiten, fassen zusammen, benachrichtigen und lösen Folge-Workflows aus. Einmal optimiert, werden sie im guten Sinne langweilig.
• Speicher – wenn kuratiert. OpenClaw kann sich an Entscheidungen, Projektzustand, Präferenzen, Fehler und frühere Korrekturen erinnern. Aber wenn jedes rohe Fragment in den Langzeitspeicher gelangt, wird er zu Schlamm. Mit Bereinigung und projektspezifischen Speicherdateien wird er zu einer echten Betriebsschicht.
• Unteragenten für abgegrenzte Aufgaben. Das nützlichste Muster: Der Mensch entscheidet die Richtung, der Hauptagent koordiniert, Unteragenten führen abgegrenzte Analysen oder Implementierungen durch, der Hauptagent verifiziert. Weniger nützlich, wenn der Kontext vage ist oder die Modell-/Konfigurationsweiterleitung nicht explizit ist.
• Kontinuität. Der größte Erfolg ist nicht eine einzelne Funktion – es ist die Tatsache, dass das System jetzt täglich betriebliches Gedächtnis, geplante Überprüfungen, wiederkehrende Analysen, technisches Debugging, Konfigurationsreviews, kleine Codeänderungen und strukturierte Nachverfolgung handhabt.

Was kaputt ging oder nervte

• Modell-/Konfigurationsprobleme. Frühe lokale/kleine Modelleinrichtungen (z.B. 4k Kontext) konnten OpenClaws System-Prompt plus Tools nicht bewältigen. Fehler wie „Assistenten-Turn fehlgeschlagen“ ließen sich oft auf API-Key-/Konfigurationsprobleme zurückführen, nicht auf RAM.
• Cron- und Unteragenten-Interaktionslücke. Geplante Workflows erzeugten einen Unteragenten, der die Arbeit korrekt erledigte, aber der übergeordnete Agent konnte die Ausgabe des Kindes nicht lesen, weil die Agent-zu-Agent-Historie deaktiviert war. Lösung: Umgestaltung, sodass das Kind die Ergebnisse direkt schreibt (write —file), statt auf das Auslesen durch den Elternagenten zu setzen.
• Shell-Quoting. Die Übergabe von JSON über Shell-Befehle scheiterte an Apostrophen und verschachtelten Anführungszeichen. Lösung: JSON in eine temporäre Datei schreiben und --file übergeben.
• Update-Drift. OpenClaw-Updates verbesserten die Startleistung und den Speicherdruck auf dem Pi, aber Update-Tage erforderten Vorsicht – Konfigurationsdrift, ACP-Befehlsdrift, Dokumentationsdrift. Man musste prüfen, was sich tatsächlich geändert hatte, anstatt blind darauf zu vertrauen, dass alles in Ordnung war.
• Unteragenten-Modell-Override. Standardwerte wurden nicht immer respektiert; jetzt werden Modell-/Agenten-IDs explizit übergeben.
• ACP-Unzuverlässigkeit. Claude ACP über OpenClaw schlug mit internen Laufzeitfehlern fehl; direkte ACP/CLI-Pfade funktionierten.
• Geheimnis-/Konfigurationshygiene. OpenClaw unterstützt strukturierte SecretRefs, aber alte Konfigurations-/Auth-Profil-Dateien können immer noch Klartext-Geheimnisse enthalten. Eine sichere Migration erfordert Backups, Schema-Checks und Rollback-Planung.
• Ressourcendruck auf dem Pi. Langlaufende Claude/Codex-Prozesse, Crons und Speicherartikel sammeln sich an. Bereinigungsroutinen wurden hinzugefügt; ein totes Projekt, das auf ~1,6 GB regenerierbaren Ballast angewachsen war, wurde archiviert.

Für wen es gedacht ist

Entwickler, die OpenClaw als persönliches Agentensystem betreiben – insbesondere auf ressourcenbeschränkter Hardware – und die einen wahrheitsgetreuen Erfahrungsbericht über reale Schmerzpunkte und praktische Workarounds suchen.