Am 31. August 2026 hat die OpenClaw Foundation OpenClaw 2.0 veröffentlicht - nach eigener Aussage das größte Release der Open-Source-Plattform bisher, mit über 16.000 eingeflossenen Pull-Requests. Drei Neuerungen stechen heraus: eine drastisch vereinfachte Installation, eine neu gebaute Browser-App und geteilte Sessions, an denen mehrere Personen gleichzeitig arbeiten.
Ich schaue mir das nicht als Technik-Neuigkeit an, sondern mit der Frage, die in jedem Erstgespräch kommt: Ist das etwas, das in einem mittelständischen Betrieb produktiv laufen kann - oder ist es ein Werkzeug für Entwickler, das man besser noch beobachtet?
Was OpenClaw überhaupt macht
OpenClaw ist eine quelloffene Plattform für KI-Agenten. Der Unterschied zu einem Chatfenster: Ein Agent beantwortet nicht nur Fragen, er arbeitet. Er bekommt eine Aufgabe, zerlegt sie in Schritte, benutzt Werkzeuge, prüft Zwischenergebnisse und liefert am Ende ein Resultat - Code, eine Auswertung, einen bearbeiteten Datensatz.
Quelloffen heißt in diesem Zusammenhang zweierlei. Erstens: keine Lizenzkosten. Zweitens, und wichtiger: du kannst die Software dort laufen lassen, wo deine Daten sowieso liegen, statt sie an einen Anbieter zu schicken. Für Betriebe mit sensiblen Unterlagen ist das oft der entscheidende Punkt - ich habe das in meinem Beitrag zu Unternehmenswissens-KI ausführlicher beschrieben.
Die Installation erkennt, was du schon hast
Bisher war der Einstieg in solche Systeme eine Konfigurationsübung: Schlüssel eintragen, Modelle auswählen, Pfade setzen. Version 2.0 erkennt vorhandene Ressourcen automatisch - bestehende ChatGPT- oder Claude-Abonnements, hinterlegte API-Schlüssel und lokal installierte Modelle. Viele Schritte fallen aus dem Ersteinrichten heraus, der Rest wird im Gespräch mit dem eigenen Agenten geklärt.
Für den Mittelstand heißt das: Die Einstiegshürde sinkt von „dafür brauchen wir jemanden" auf „das kann sich jemand aus dem Team an einem Nachmittag ansehen". Das ist ein echter Unterschied. Es heißt allerdings nicht, dass der produktive Betrieb genauso einfach wird - dazu weiter unten mehr.
Die Browser-App: sehen, was der Agent gerade tut
Die neu gebaute Browser-App ist der eigentliche Einstiegspunkt. Ihr Kernstück ist eine Echtzeit-Statusanzeige, die „Session Rail", die Bewertung, Planfortschritt und offene Pull-Requests zeigt. Dazu kommt ein integrierter Companion-Thread: Du kannst Zwischenfragen stellen, ohne den laufenden Agenten zu unterbrechen. Technisch lädt das Gateway dafür einen begrenzten Ausschnitt des Zustands und beantwortet die Frage mit einem separaten, kleineren Modell.
Das klingt nach einer Kleinigkeit, ist aber der Punkt, an dem Agentensysteme in der Praxis stehen oder fallen. Der häufigste Grund, warum solche Werkzeuge im Unternehmen wieder abgeschaltet werden, ist nicht mangelnde Leistung - es ist fehlende Nachvollziehbarkeit. Wenn niemand sieht, was das System gerade macht und warum, vertraut ihm auch niemand eine echte Aufgabe an.
Mehrere Personen an einer Session
Neu sind geteilte Cloud-Sessions: Mehrere Nutzer arbeiten gemeinsam an derselben Aufgabe. Laut Ankündigung nutzt das Entwicklungsteam der Plattform diese Funktion bereits selbst.
Interessant wird das überall dort, wo eine Aufgabe zwei Köpfe braucht - jemanden, der das Fachliche kennt, und jemanden, der das System bedienen kann. Statt Ergebnisse hin- und herzuschicken, sitzen beide in derselben Sitzung. Für die Einarbeitung neuer Kolleginnen und Kollegen ist das nebenbei ein sehr direkter Weg, Wissen weiterzugeben.
Wo die Arbeit tatsächlich läuft
Drei Ausführungsorte stehen zur Wahl:
- Lokales Gateway - die Voreinstellung. Alles läuft auf dem eigenen Rechner beziehungsweise dem eigenen Server.
- Eigene verbundene Hardware über den Befehl
openclaw connect. Damit lässt sich ein Server im eigenen Haus einbinden. - Gemietete Maschinen über das Provisioning-Werkzeug Crabbox, das AWS und Hetzner unterstützt.
Ein sicherheitsrelevantes Detail, das ich hervorheben möchte, weil es in Ankündigungen sonst gern untergeht: Anbieter-Zugangsdaten bleiben beim Gateway und erreichen die entfernten Maschinen nicht. Deine API-Schlüssel liegen also nicht auf der gemieteten Kiste. Das ist genau die Trennung, die man sich wünscht - und die man bei anderen Werkzeugen ausdrücklich prüfen muss.
Dass Hetzner unterstützt wird, ist für deutsche Betriebe nicht nebensächlich: Es gibt damit einen Weg, Rechenleistung in Deutschland zu mieten, statt in einer US-Cloud zu landen.
Die ehrliche Einordnung für den Mittelstand
Jetzt der Teil, den man in einer Release-Meldung nicht findet.
Ein Agent, der eigenständig arbeitet, braucht Zugriff - auf Dateien, auf Systeme, oft auf Zugangsdaten. Das ist keine Chat-Anwendung mehr, sondern ein zusätzlicher Handelnder in deiner IT. Bevor so etwas produktiv läuft, gehören drei Fragen beantwortet, und zwar schriftlich:
- Worauf darf er zugreifen, worauf nicht? Ein Agent mit vollen Rechten ist bequem und genau deshalb gefährlich. Rechte gehören eingegrenzt, bevor die erste echte Aufgabe läuft.
- Wer prüft das Ergebnis, bevor es wirkt? Solange ein Mensch dazwischensteht, ist ein Fehler ärgerlich. Ohne diesen Schritt wird er teuer.
- Welche Daten dürfen das Haus verlassen? Bei lokalem Betrieb keine. Bei gemieteter Hardware sehr wohl. Diese Entscheidung trifft man einmal bewusst - nicht nebenbei bei der Einrichtung.
Dazu kommt der praktische Punkt: Quelloffen heißt kostenlos in der Lizenz, nicht kostenlos im Betrieb. Jemand muss die Software aktuell halten, Modelle bezahlen, Fehler einordnen. Bei 16.000 Pull-Requests in einem Release bewegt sich das Projekt schnell - das ist gut für die Entwicklung und anstrengend für den, der es im Betrieb stabil halten soll.
Was ich an deiner Stelle tun würde
Ansehen: ja. Der vereinfachte Einstieg macht es realistisch, dass jemand aus deinem Team das an einem Nachmittag ausprobiert, ohne dass ein Projekt daraus wird.
Produktiv einsetzen: nur mit klarer Abgrenzung. Nimm eine Aufgabe, die abgeschlossen ist, deren Ergebnis jemand prüft und bei der ein Fehler nichts kaputt macht. Auswertungen, Recherchen, Entwürfe. Nicht: etwas, das direkt beim Kunden landet oder in ein führendes System schreibt.
Und der Satz, den ich in jedem zweiten Gespräch sage, gilt auch hier: Ein Agent, der einen unklaren Prozess bearbeitet, produziert unklare Ergebnisse - nur schneller. Bevor Werkzeuge kommen, gehört der Ablauf sortiert. Genau darum geht es bei Prozessoptimierung und bei dem, was ich unter KI-Automatisierung verstehe.
Fazit
OpenClaw 2.0 senkt die Einstiegshürde für Agentensysteme deutlich und löst mit der Statusanzeige ein Problem, das bisher viele Projekte hat scheitern lassen: mangelnde Nachvollziehbarkeit. Die Trennung von Zugangsdaten und Ausführungsort ist sauber gelöst, die Hetzner-Unterstützung praktisch für Betriebe, die in Deutschland bleiben wollen.
Es bleibt trotzdem ein Werkzeug, das Betreuung braucht - und das erst dann Nutzen bringt, wenn klar ist, welche Aufgabe es übernehmen soll. Wenn du wissen willst, welche das in deinem Unternehmen wäre, ist der KI-Potenzial-Check ein guter Anfang. Oder wir sprechen direkt darüber: Erstgespräch anfragen.