OpenClaw vs Hermes Agent: Warum OpenClaw 2026 die bessere Wahl ist

OpenClaw vs Hermes Agent – wer 2026 einen selbstgehosteten AI-Agenten aufsetzen will, landet fast zwangsläufig bei diesen beiden Namen. Beide sind Open Source, beide laufen auf dem eigenen Server, beide verbinden ein Sprachmodell mit echten Werkzeugen: Terminal, Browser, Messenger, Dateien, Cron-Jobs. Und beide versprechen dasselbe: einen Assistenten, der nicht nach jedem Chat vergisst, wer du bist.

Unsere Perspektive vorweg, volle Transparenz: Wir betreiben seit Monaten einen OpenClaw-Agenten im Produktivbetrieb – er schreibt an diesem Blog mit, überwacht unsere Server, verwaltet Deployments und kommuniziert über Discord, WhatsApp und Signal. Wir haben uns Hermes Agent gründlich angesehen, weil die Frage bei jedem neuen Projekt wieder auf dem Tisch liegt. Dieser Vergleich erklärt, warum wir bei OpenClaw geblieben sind – und in welchen Fällen Hermes trotzdem die richtige Wahl sein kann. Kein Bashing, aber eine klare Meinung.

OpenClaw vs Hermes Agent: Die Kurzfassung

Für alle, die nur die Entscheidung brauchen:

• Du willst einen persönlichen Assistenten, der über Messenger dein Leben und deine Server managt: OpenClaw
• Du willst maximale Reife, Community-Größe und Stabilität im Dauerbetrieb: OpenClaw
• Du willst primär mit offenen Modellen (Open Weights) arbeiten und experimentierst gern am Lernverhalten des Agenten: Hermes Agent ansehen
• Du willst serverlose Setups, die im Leerlauf fast nichts kosten: Hermes hat hier interessante Optionen
• Du willst es diese Woche produktiv haben und dich auf Doku + Community verlassen: OpenClaw

Beide Projekte sind ernstzunehmend. Aber sie haben unterschiedliche Schwerpunkte, und die entscheiden darüber, welches Tool zu dir passt.

Was ist OpenClaw?

OpenClaw ist ein Open-Source-Framework für persönliche AI-Agenten, das auf einem einfachen, aber mächtigen Prinzip aufbaut: Ein Gateway-Prozess verbindet ein Sprachmodell deiner Wahl mit Messengern, Werkzeugen und einem dateibasierten Gedächtnis. Der Agent läuft dauerhaft auf deinem Server – vom 5-Euro-VPS bis zur dicken Maschine – und du sprichst mit ihm, wo du sowieso bist: WhatsApp, Signal, Telegram, Discord, Slack und etliche mehr.

Die Bausteine, die OpenClaw im Alltag ausmachen:

• Channels: Ein Agent, viele Kanäle. Dieselbe Instanz antwortet dir in Signal privat, moderiert in Discord mit und schickt dir Berichte per WhatsApp – mit Kontext-Trennung zwischen den Kanälen.
• Werkzeuge: Shell-Zugriff, Browser-Steuerung, Dateioperationen, Web-Suche, Bild- und Audioverarbeitung, Sub-Agenten für parallele Aufgaben – alles eingebaut, nichts davon Bastelei.
• Memory als Dateien: Das Gedächtnis liegt in Markdown-Dateien im Workspace des Agenten. AGENTS.md für Regeln, MEMORY.md und tägliche Notizen für Erinnerungen, dazu frei strukturierbare Wissensdateien. Menschenlesbar, versionierbar, mit grep durchsuchbar.
• Automatisierung: Eingebauter Scheduler für Cron-Jobs, Heartbeats (der Agent wacht regelmäßig auf und arbeitet proaktiv), Webhooks und Multi-Agent-Routing.
• Modell-Agnostik: Anthropic, OpenAI, Google, lokale Modelle über OpenAI-kompatible Endpoints – das Modell ist austauschbar, der Agent (seine Dateien, sein Gedächtnis, seine Persönlichkeit) bleibt.

Das Projekt ist explosionsartig gewachsen und hat eine der aktivsten Communities im Agenten-Bereich – mit allem, was dazugehört: riesiges Ökosystem an Skills und Anleitungen, aber auch Wachstumsschmerzen, über die wir gleich ehrlich reden.

Was ist Hermes Agent?

Hermes Agent kommt von Nous Research – dem Lab, das mit seinen offenen Hermes-Modellen bekannt wurde – und erschien Anfang 2026. Das Konzept überschneidet sich stark mit OpenClaw: autonomer Agent auf eigener Infrastruktur, 20+ Chat-Plattformen, 40+ eingebaute Tools, Cron-Automatisierung, Sub-Agenten, Skills.

Der markanteste Unterschied liegt im Selbstverständnis: Hermes vermarktet sich als selbstverbessernder Agent mit geschlossenem Lernkreislauf. Er soll aus Erfahrung eigenständig Skills erstellen und verbessern, sich selbst regelmäßig anstoßen, Wissen zu persistieren, und über ein Nutzermodell (via Honcho) ein immer tieferes Bild davon aufbauen, wer du bist. Dazu kommen technisch interessante Ideen: sechs Terminal-Backends (lokal, Docker, SSH und serverlose Umgebungen wie Daytona oder Modal, die im Leerlauf hibernieren und fast nichts kosten) und “Programmatic Tool Calling”, das mehrstufige Tool-Ketten in einen einzelnen Codeaufruf zusammenfaltet.

Klingt stark – und auf dem Papier ist es das auch. Die entscheidende Frage ist, wie viel davon im Alltag trägt. Genau da beginnt unser eigentlicher Vergleich.

Memory: Dateien, die du lesen kannst, vs Lernschleife, der du vertrauen musst

Das Gedächtnis ist das Herz eines persönlichen Agenten – ohne Erinnerung ist jeder Assistent nur ein Chatbot mit Werkzeuggürtel. Hier unterscheiden sich die Philosophien fundamental.

OpenClaw setzt auf radikale Transparenz: Alles, was der Agent über dich und seine Aufgaben weiß, steht in Klartext-Dateien. Du kannst jede Erinnerung lesen, korrigieren, löschen oder ergänzen – mit jedem Texteditor. Falsche Erinnerung? Zeile ändern. Agent soll etwas Bestimmtes nie vergessen? In die AGENTS.md schreiben. Backup? git commit. Umzug auf einen neuen Server oder ein neues Modell? Dateien kopieren, fertig – der Agent bleibt derselbe “Charakter” mit derselben Geschichte.

Dieser Ansatz klingt banal, ist aber in der Praxis Gold wert. Nach Monaten Betrieb ist unser Agent ein Unikat aus hunderten gewachsenen Dateien – Projekthandbücher, gelernte Lektionen, Kontaktwissen, Betriebsanleitungen für unsere Server. Und wir können jederzeit nachvollziehen, warum er sich verhält, wie er sich verhält.

Hermes setzt auf Automatik: Agent-kuratiertes Memory mit periodischen Nudges, automatische Skill-Erstellung aus Erfahrung, Volltext-Recall über Sessions hinweg, dazu das Honcho-Nutzermodell. Der Agent soll das Erinnern selbst übernehmen, damit du dich nicht kümmern musst.

Unsere ehrliche Einschätzung dazu: Auch OpenClaw-Agenten kuratieren ihr Gedächtnis selbst – beide Systeme lernen automatisch. Der eigentliche Unterschied ist, wie viel davon offen auf dem Tisch liegt. Bei OpenClaw erzeugt jeder Lernschritt eine lesbare Datei, die du inspizieren, korrigieren oder zurückrollen kannst. Bei Hermes läuft die Kuration tiefer unter der Haube – autonomer, aber schwerer zu debuggen, wenn der Agent in seltsame Gewohnheiten abdriftet. Wir bevorzugen den Ansatz, bei dem der Mensch jeden Schritt sehen und übersteuern kann. Das ist weniger futuristisch – aber es ist verlässlich, und Verlässlichkeit ist bei einem Agenten mit Shell-Zugriff keine Nebensache.

Reife und Community: Der unterschätzte Faktor

Hier liegt für uns das stärkste Argument, und es ist unspektakulär: Beide Frameworks haben Millionen Nutzer — aber OpenClaw hat den Vorsprung von Monaten zusätzlicher Produktivzeit, und sein Ökosystem war bereits ausgereift, als Hermes erschien.

Das äußert sich in tausend Kleinigkeiten, die man erst merkt, wenn man einen Agenten wirklich dauerhaft betreibt:

• Kantenfälle sind abgeschliffen. Session-Kompaktierung bei langen Gesprächen, Rate-Limit-Handling, Reconnects nach Messenger-Ausfällen, Kontext-Isolation zwischen Gruppen und DMs – die unsexy Probleme, an denen junge Frameworks bluten, sind bei OpenClaw durch schiere Masse an Nutzung gefunden und gefixt worden.
• Für fast alles gibt es Vorarbeit. Skills, Anleitungen, Blogposts, Forendiskussionen. Unser Agent nutzt Skills für alles von Kalenderverwaltung bis Bildgenerierung – die Wahrscheinlichkeit, dass jemand dein Problem schon gelöst hat, ist schlicht höher.
• Die Doku deckt den Betrieb ab, nicht nur den Einstieg. Sicherheit, Multi-Agent-Setups, Node-Anbindung von Zweitgeräten, Debugging – dokumentiert aus echter Betriebserfahrung.

Hermes Agent wächst beeindruckend schnell und hat mit Nous Research ein kompetentes Team dahinter – die Model-Trainer-Perspektive merkt man dem Projekt positiv an. Aber ein Ökosystem lässt sich nicht komprimieren: Es entsteht aus der Zeit, die Nutzer mit dem Finden, Melden und Lösen von Problemen verbringen — und davon hat OpenClaw schlicht mehr unter dem Gürtel. Wer heute einen Agenten für den Dauerbetrieb aufsetzt, profitiert von diesem Vorsprung jeden einzelnen Tag.

Sicherheit: Agent mit Shell-Zugriff ist Verantwortung

Beide Frameworks geben dem Modell echte Macht: Terminal, Dateien, Browser, Nachrichten. Das ist der Punkt, an dem aus “cooles Spielzeug” schnell “Sicherheitsvorfall” wird – wir haben dazu aus leidvoller eigener Erfahrung einen ganzen Erfahrungsbericht geschrieben.

Beide Projekte nehmen das Thema ernst: Command-Approval-Mechanismen, Container-Isolation, konfigurierbare Berechtigungen gibt es hier wie dort. Die Unterschiede liegen wieder im Reifegrad des Drumherums: OpenClaws Sicherheitsmodell ist durch die große Nutzerbasis ausgiebiger real-world-getestet, das Berechtigungssystem für Kanäle (wer darf dem Agenten was befehlen?) ist fein granuliert, und die Community-Doku behandelt Themen wie Prompt Injection über eingehende Nachrichten ausführlich – ein Angriffsvektor, den viele unterschätzen, wenn ihr Agent plötzlich öffentlich per Messenger erreichbar ist.

Unabhängig vom Framework gilt: Lass einen Agenten nie mit mehr Rechten laufen als nötig, halte ihn von Produktiv-Datenbanken fern, und behandle jede eingehende Nachricht als potenziell feindlich. Beide Tools geben dir die Schalter dafür – umlegen musst du sie selbst.

Governance: Foundation vs Venture Capital

Eine oft übersehene Frage bei einem Framework, dem du Shell-Zugriff gibst: Wer steckt dahinter, und welche Anreize hat diese Organisation?

OpenClaw wird von der OpenClaw Foundation getragen — einer 501(c)(3)-Non-Profit-Organisation, MIT-lizenziert, nach dem Vorbild von Linux, Apache und Mozilla. Die Mission ist klar: „Your agent, your machine, your rules.” Die Foundation hat ein eigenes Engineering-Team, wird von Dave Morin geleitet, mit Gründer Peter Steinberger als technischem Lead, und finanziert sich über Spender wie OpenAI, NVIDIA, Microsoft, Red Hat und die University of Michigan. Keine Investoren, die Rendite erwarten, kein Wachstumszwang, keine Exit-Strategie. Der Code gehört der Community.

Hermes Agent wird von Nous Research entwickelt — einem venture-finanzierten Unternehmen, das gerade $75M+ bei einer Bewertung von 1,5 Milliarden Dollar einsammelt, mit Investoren wie Paradigm, Robot Ventures und Balaji Srinivasan. Das ist nicht per se schlecht — Venture-Funding ermöglicht schnelle Entwicklung. Aber es schafft fundamental andere Anreize: Investoren wollen Rendite, und Rendite erfordert entweder einen Exit oder die Monetarisierung der Nutzerbasis. Bei einem Agenten, der auf deinem Server lebt, deine Dateien liest und deine Nachrichten verschickt, ist die Frage, wessen Interessen die Entwicklung dient, nicht akademisch.

Der Unterschied zeigt sich schon in der Praxis: OpenClaws Wachstum war komplett organisch — 384.000 GitHub-Stars ohne Marketing-Budget. Hermes erreichte 218.000 Stars in fünf Monaten, doch anhaltende Astroturfing-Vorwürfe aus der Community legen nahe, dass nicht die gesamte Dynamik organisch ist. Wenn ein Projekt auf Plagiatsvorwürfe reagiert, indem es das GitHub-Issue löscht, Kommentare entfernt und Nutzer blockt, sagt das etwas darüber aus, wie mit Kritik umgegangen wird — und das ist relevant bei einem Tool, dem du deine Infrastruktur anvertraust.

Für Self-Hoster — Menschen, die sich bewusst für einen eigenen Agenten entschieden haben, weil ihnen Unabhängigkeit wichtig ist — ist das Governance-Modell keine Fußnote. Es ist das Fundament, auf dem alles andere steht.

Modelle: Anbieter-agnostisch vs Open-Weights-DNA

OpenClaw ist konsequent modell-agnostisch. In der Praxis läuft es am häufigsten mit Claude-Modellen (die bei agentischen Aufgaben führend sind – warum, erklären wir im Claude-Guide), aber OpenAI, Google und lokale Modelle funktionieren genauso. Der entscheidende Punkt: Weil Identität und Gedächtnis in Dateien leben, kannst du das Modell wechseln, ohne den Agenten zu verlieren. Wir haben unseren Agenten durch mehrere Modellgenerationen getragen – er blieb er selbst.

Hermes trägt die Open-Weights-DNA von Nous Research. Es funktioniert zwar mit jedem großen Anbieter, aber die Integration mit den hauseigenen offenen Hermes-Modellen und dem Nous Portal ist erkennbar das Herzstück. Wenn dir Unabhängigkeit von kommerziellen API-Anbietern wichtig ist – sei es aus Kosten-, Datenschutz- oder Überzeugungsgründen – ist das ein echtes Argument für Hermes: Das Team trainiert selbst Modelle und optimiert den Agenten dafür.

Unsere Praxiserfahrung ist allerdings ernüchternd klar: Die Qualität des Agenten steht und fällt mit der Qualität des Modells. Bei langlaufenden, mehrstufigen Aufgaben (deploye das, überwache jenes, schreib den Bericht) ist der Abstand der Top-Modelle zu offenen Alternativen weiterhin spürbar. Ein Agent, der bei Schritt 7 von 12 den Faden verliert, kostet mehr Zeit als er spart – deshalb fahren wir Claude im OpenClaw, und deshalb relativiert sich Hermes’ Open-Weights-Vorteil für alle, die am Ende doch beim kommerziellen Top-Modell landen.

Betrieb und Alltag: Wo der Unterschied wirklich spürbar wird

Ein paar Alltagsbeobachtungen, die in Feature-Listen nicht auftauchen:

Messenger-Integration als erste Klasse. OpenClaw fühlt sich an, als wäre es vom Messenger her gedacht: Voice-Notes werden transkribiert, Bilder verstanden, Reaktionen gesetzt, Gruppenkontexte sauber getrennt, native Antworten/Zitate unterstützt. Der Agent ist ein Kontakt in deiner Liste, kein Terminal-Fenster. Hermes deckt beeindruckend viele Plattformen ab (auch exotischere wie Home Assistant oder BlueBubbles), aber die Tiefe der einzelnen Integrationen ist unterschiedlich – viele Kanäle heißt nicht automatisch, dass jeder Kanal poliert ist.

Proaktivität. OpenClaws Heartbeat-System – der Agent wacht regelmäßig auf, prüft seine Aufgabenliste und wird von selbst aktiv – klingt wie ein Detail, verändert aber die Beziehung zum Tool komplett. Unser Agent meldet Server-Probleme, bevor wir sie bemerken, und erinnert an Deadlines, ohne gefragt zu werden. Hermes hat mit Cron und Nudges ähnliche Mechanik; OpenClaws Umsetzung ist aus unserer Sicht die ausgereiftere Interpretation von “der Agent lebt, auch wenn du nicht chattest”.

Multi-Agent-Setups. Beide können Sub-Agenten spawnen. OpenClaw kann darüber hinaus mehrere vollwertige, getrennte Agenten mit eigenen Workspaces auf einer Instanz routen – praktisch, wenn Familie oder Team eigene Assistenten mit eigenem Gedächtnis bekommen sollen.

Serverless-Flexibilität. Hier punktet Hermes: Backends wie Daytona oder Modal, die im Leerlauf hibernieren, sind für Gelegenheitsnutzung charmant – ein Agent, der nur Kosten erzeugt, wenn er arbeitet. OpenClaw will einen dauerhaft laufenden Prozess; auf einem kleinen VPS kostet das zwar nur wenige Euro im Monat, aber das Hermes-Modell ist konzeptionell eleganter für sporadische Nutzung. Der Preis dafür: Ein hibernierender Agent kann keine Heartbeats fahren und nichts proaktiv bemerken – für einen echten persönlichen Assistenten ist Dauerbetrieb aus unserer Sicht kein Bug, sondern der Punkt.

Einrichtung im Vergleich: Wie schnell bist du produktiv?

Beide Projekte haben den Einstieg stark vereinfacht, aber die Wege unterscheiden sich.

OpenClaw: Installation per Skript oder npm, dann führt ein Onboarding-Assistent durch Modell-Anbindung und den ersten Kanal. Realistischer Zeitrahmen bis zur ersten WhatsApp- oder Discord-Nachricht an den eigenen Agenten: unter einer Stunde, inklusive VPS-Grundeinrichtung. Die eigentliche Arbeit beginnt danach — und das ist keine Schwäche, sondern das Konzept: Der Agent wächst über Wochen durch seine Workspace-Dateien. Du schreibst ihm auf, wer du bist, wofür er zuständig ist, welche Regeln gelten. Aus einem generischen Assistenten wird ein persönlicher — diese Investition zahlt sich täglich aus, aber man sollte wissen, dass sie ansteht.

Hermes Agent: Install-Skript oder Desktop-Installer, dann hermes setup --portal — ein einzelner OAuth-Login deckt Modell plus Websuche, Bildgenerierung, TTS und Browser ab. Das ist elegant gelöst und für Einsteiger der schnellste Weg zu einem voll ausgestatteten Agenten. Der Preis der Bequemlichkeit: Der Portal-Weg bindet dich ans Nous-Ökosystem; wer eigene Keys und volle Kontrolle will, konfiguriert wie bei OpenClaw von Hand.

Unterm Strich: Hermes gewinnt die erste Stunde, OpenClaw den ersten Monat. Für einen Wochenend-Test ist Hermes’ Onboarding charmanter; für ein System, das dauerhaft mitarbeiten soll, zählt die erste Stunde am wenigsten.

Was ein Agent im Alltag wirklich tut: Beispiele aus unserem Betrieb

Damit der Vergleich nicht abstrakt bleibt — so sieht produktive Agenten-Arbeit bei uns konkret aus, alles über OpenClaw:

• Server-Monitoring mit Eigeninitiative: Der Agent prüft per Heartbeat Dienste, Zertifikate und Backups. Als ein Dienst nachts ausfiel, war er repariert und dokumentiert, bevor morgens jemand aufstand.
• Content-Pipeline: Recherche, Bildgenerierung, das Schreiben und Deployen von Blogartikeln wie diesem — inklusive Build-Verifikation und Erfolgsmeldung per Discord.
• Deployment-Assistent: “Deploy den Fix und prüf ob die Seite noch steht” als Chat-Nachricht von unterwegs. Der Agent baut, deployt, testet per curl und meldet das Ergebnis.
• Gedächtnis fürs Geschäft: Kundenkontexte, Projektentscheidungen, gelernte Lektionen — abgelegt als durchsuchbare Dateien, abrufbar per Frage im Messenger.

Nichts davon ist Hexerei, und prinzipiell kann Hermes in jede dieser Rollen wachsen. Aber jede einzelne dieser Routinen hängt an Dutzenden Kleinigkeiten — stabile Reconnects, saubere Cron-Zustellung, verlässliche Datei-Workflows — und genau dort merkt man den Reife-Unterschied im Dauerbetrieb.

OpenClaw vs Hermes Agent: Direkte Gegenüberstellung

Was kostet der Betrieb realistisch?

Beide Frameworks sind kostenlos — die echten Kosten liegen daneben und sind bei beiden fast identisch strukturiert:

• Server: Ein kleiner VPS (2–4 GB RAM) reicht für einen Agenten locker — 4 bis 10 € im Monat. Hermes’ Serverless-Backends können das bei sporadischer Nutzung auf Cent-Beträge drücken, dafür entfällt die Proaktivität.
• Modell-API: Der größte Posten und komplett nutzungsabhängig. Ein sparsamer Assistent mit täglichen Aufgaben liegt bei 5–20 € im Monat, ein intensiv arbeitender Agent (viele lange Aufgaben, große Kontexte) kann auch das Zehnfache erreichen. Flatrate-Abos der Modellanbieter können sich schnell rechnen.
• Deine Zeit: Der unterschlagene Posten. Rechne in den ersten Wochen ein paar Stunden fürs Einrichten, Regeln-Schreiben und Nachjustieren — danach dreht sich das Vorzeichen und der Agent spart dir jede Woche mehr Zeit, als er kostet.

Fazit: Warum wir bei OpenClaw bleiben

Hermes Agent ist das interessanteste neue Projekt im Agenten-Bereich – technisch ambitioniert, von einem Team gebaut, das Modelle wirklich versteht, mit frischen Ideen bei Lernschleife und Serverless-Betrieb. Wer gern experimentiert oder bewusst auf offene Modelle setzt, sollte es sich ansehen.

Aber für den Zweck, um den es eigentlich geht – einen verlässlichen persönlichen Agenten, der Monat für Monat produktiv mitarbeitet – ist OpenClaw aus unserer Sicht die klar bessere Wahl: Das transparente Datei-Gedächtnis macht den Agenten nachvollziehbar, portabel und über Modellwechsel hinweg beständig. Die Reife von Framework und Community erspart dir die Kantenfälle, die junge Projekte erst noch finden müssen. Die Messenger- und Proaktivitäts-Features sind die ausgereiftesten am Markt. Und das Ökosystem beantwortet Fragen, bevor du sie stellst.

Der ehrlichste Satz zum Schluss: Diesen Vergleich hat ein OpenClaw-Agent mitgeschrieben, der seit Monaten Teil unseres Teams ist. Wenn ein Tool so gut funktioniert, dass es seinen eigenen Vergleichsartikel verfasst, während es nebenbei die Server überwacht – dann ist das vielleicht das überzeugendste Argument von allen.

Häufige Fragen zu OpenClaw vs Hermes Agent (FAQ)

Sind OpenClaw und Hermes Agent kostenlos? Beide Frameworks sind Open Source und kostenlos. Laufende Kosten entstehen durch Server (ab ~5 €/Monat) und die Modell-API (je nach Nutzung typisch 5–50 €/Monat) – bei beiden gleichermaßen.

Kann ich von Hermes zu OpenClaw wechseln (oder umgekehrt)? Ja, aber es gibt keinen Auto-Import. Da OpenClaw sein Gedächtnis in Markdown-Dateien hält, ist die Migration dorthin einfacher: Wissen als Dateien in den Workspace legen, fertig.

Welches Modell sollte ich mit OpenClaw nutzen? Für agentische Aufgaben führen aktuell die Claude-Modelle (Details in unserem Claude-Guide). OpenClaw funktioniert aber mit jedem großen Anbieter und lokalen Modellen.

Brauche ich Programmierkenntnisse? Grundkenntnisse im Server-Umgang (SSH öffnen, ein Config-File editieren) reichen für den Start bei beiden Frameworks völlig aus. Wer tiefer automatisieren will — eigene Skills, Webhooks, Multi-Agent-Setups — profitiert spürbar von Shell- und Git-Grundwissen, lernt es aber nebenbei mit.

Kann ich beide parallel testen? Problemlos — auf demselben Server mit getrennten Verzeichnissen und getrennten API-Keys. Für einen fairen Vergleich gib beiden dieselben echten Aufgaben aus deinem Alltag und lass sie zwei Wochen laufen; der Unterschied zeigt sich im Dauerbetrieb, nicht in der ersten Session.

Was ist mit dem Datenschutz bei selbstgehosteten Agenten? Selbst hosten heißt: Gedächtnis, Dateien und Chat-Verläufe bleiben auf deinem Server — ein echter Vorteil gegenüber Cloud-Assistenten. Die Nachrichteninhalte gehen aber weiterhin an die Modell-API (Anthropic, OpenAI & Co.), sofern du kein lokales Modell fährst. Für die meisten ist das der akzeptable Mittelweg; volle Souveränität gibt es nur mit Open-Weights-Modellen auf eigener Hardware — der Punkt, an dem Hermes’ Herkunft interessant wird.

Ist so ein Agent mit Shell-Zugriff nicht gefährlich? Er ist so gefährlich wie seine Konfiguration. Beide Frameworks bieten Freigabe-Mechanismen und Isolation. Minimalrechte, getrennte Umgebung für Produktives und gesunde Skepsis gegenüber eingehenden Nachrichten sind Pflicht – unser Bericht über fünf Tage Server-Albtraum zeigt, warum.

Mehr zum Thema: Was ist Claude? erklärt das Modell hinter den meisten produktiven Agenten-Setups, und im KI-Coding-Tools-Vergleich ordnen wir die Agenten-Landschaft fürs Programmieren ein.