OpenClaw + Ollama: Lokale KI-Agenten selbst hosten — Kosten, DSGVO, Alternativen

TL;DR

OpenClaw (früher Clawdbot/Moltbot) ist ein Open-Source-KI-Agent, der in Chat-Umgebungen lebt, Repositories durchsucht, Code ausführt und Tools über mehrere Schritte hinweg bedient — mit Cloud-Modellen oder vollständig lokal über Ollama. Die Kombination OpenClaw + Ollama ist der einsteigerfreundlichste Weg zu einem lokalen Agent-Stack: beides Open Source, keine Token-Kosten, keine Datenabflüsse in US-Clouds. Ollama liefert dafür inzwischen sogar einen Ein-Befehl-Start (ollama launch openclaw). Für den Mittelstand heißt das: ein KI-Agent, der DSGVO-konform auf eigener Hardware läuft — sofern Hardware und Betriebsdisziplin stimmen. Dieser Artikel vergleicht die Betriebsoptionen, rechnet die Kosten durch und zeigt, wann OpenClaw die richtige Wahl ist.

Was OpenClaw ist — und warum es zum Hardware-Cluster gehört

OpenClaw ist ein autonomer, Open-Source-KI-Assistent, der auf dem eigenen Rechner läuft und in gängigen Chat-Oberflächen lebt. Die Gateway-Komponente ist MIT-lizenziert, das Format ist kompatibel mit den Konventionen von Claude Code und Cursor. Die Besonderheit: OpenClaw ist nicht an einen Cloud-Anbieter gebunden. Die Modelle dahinter können in der Cloud liegen (Anthropic, OpenAI, Google) oder lokal laufen — über Ollama, LM Studio oder andere OpenAI-kompatible Server.

Genau diese Lokal-Option macht den Agenten für deutsche Unternehmen interessant. Während ein Cloud-Agent jede Aktion und jeden Kontext über eine externe API laufen lässt, kann OpenClaw komplett im eigenen Netz arbeiten: Modelle, Werkzeugaufrufe, Speicher. Zusammenhängende, langlaufende Aufgaben (Repository durchsuchen, Code ändern, Tests ausführen, Ticket schreiben) bleiben im Haus.

Ein Punkt, den IT-Verantwortliche vor dem Test beachten sollten: OpenClaw braucht Modelle mit mindestens 64K Kontextfenster. Das schränkt die Auswahl bei kleinen, lokal laufenden Modellen ein und treibt den Hardware-Bedarf — ein klassisches Thema des KI-Server-Clusters.

Die drei Betriebsmodelle im Vergleich

Für den DSGVO-getriebenen Mittelstand ist nur die erste Zeile wirklich attraktiv. Die gute Nachricht: Die Ollama-Integration von OpenClaw nutzt die native Ollama-API (/api/chat) und unterstützt drei Setups — Cloud + Local (ein erreichbarer Ollama-Host mit lokalen Modellen und optional :cloud-Modellen), Local only (ausschließlich lokale Modelle) und Ollama Cloud. Für den strengen Datenschutzfall wählt man „Local only".

Kosten-Tabelle: OpenClaw + Ollama in der Praxis

OpenClaw selbst ist kostenlos (Open Source), Ollama ebenfalls. Die reale Kostenfrage ist die Hardware. Ein empfehlenswerter Einstiegspunkt für einen OpenClaw-Agenten mit 27B-Modell-Qualität sieht so aus:

Summe: Hardware-Investition ab etwa 2.500 €, laufende Kosten nur Strom und Arbeitszeit. Zum Vergleich: Ein Cloud-Agent mit intensiven Agent-Schleifen kann bei kontinuierlichem Betrieb schnell 500–2.000 € pro Monat an Token-Kosten verursachen — bei 10–20 Nutzern ein Vielfaches. Wer die Hardware ohnehin für andere KI-Lasten nutzt (RAG, Batch-Inferenz, Lokale LLMs im Team), hat den Grenzkosten-Vorteil doppelt. Detaillierte Hardware-Rechnungen liefert der GPU-Server-Vergleich.

DSGVO-Block: Was lokal wirklich bedeutet

Der entscheidende Vorteil von OpenClaw + Ollama ist die Datenhoheit:

• Kein Drittlandtransfer: Bei rein lokalen Modellen verlassen weder Quellcode noch Kundendaten das Unternehmensnetz. Der für Cloud-APIs nötige Transfer in die USA (Art. 44 ff. DSGVO) entfällt ersatzlos.
• Kein Auftragsverarbeitungsvertrag nötig: Wer Modelle auf eigener Infrastruktur betreibt, verarbeitet die Daten selbst — die AVV-Prüfung gegenüber einem externen Modellanbieter entfällt.
• Volle Kontrolle über Logs und Zugriff: Agent-Aktivitäten lassen sich zentral protokollieren, Speicherorte sind bekannt. Ein Verzeichnis der Verarbeitungstätigkeiten (Art. 30 DSGVO) ist für eigene Systeme deutlich einfacher zu führen.

Die Kehrseite ist eine Betriebspflicht statt Cloud-Komfort: TLS-Absicherung der Ollama-API (Standard-Port 11434), Zugriffskontrolle auf den Agent-Host, regelmäßige Updates von OpenClaw und Ollama, Inventar der laufenden Modelle. Wer diesen Betrieb nicht stemmen will, sollte beim Cloud-Stack bleiben — mit sauberem AVV und EU-Verarbeitung. Wer den Betrieb stemmt, bekommt einen Agenten, den ein Datenschutzbeauftragter nicht erst drei Monate prüfen muss. Das Sicherheitsthema gilt übrigens unabhängig vom Modell; ein Lokal-Betrieb schützt vor Datenabfluss, aber nicht automatisch vor Prompt-Injection und Agent-Missbrauch.

Entscheidungsmatrix: Wann OpenClaw + Ollama die richtige Wahl ist

Typischer Mittelstands-Fall: 15 Entwickler oder ein Prozess-Team mit sensiblen Daten, vorhandene GPU-Workstation oder ein kleiner Ollama-Cluster, kein Wunsch nach weiterer Cloud-Abhängigkeit → OpenClaw + Ollama ist die klare Empfehlung. Wer dagegen maximales Modell-Können ohne eigenen Betrieb sucht, fährt mit einem Cloud-Agenten besser — inklusive sauberem Vertragswerk.

Installation in 5 Schritten (Local only)

1. Ollama installieren und starten — je nach Plattform: Ubuntu-Server-Anleitung oder Windows/macOS-Installer; Dienst danach erreichbar unter http://localhost:11434.
2. Modelle ziehen — ollama pull qwen3.8:27b (oder Llama 3.3 70B, Qwen2.5 Coder 32B, Gemma 4 — je nach VRAM). Mindestens 64K Kontext einplanen.
3. OpenClaw installieren — ollama launch openclaw installiert OpenClaw, verbindet es mit der lokalen Ollama-Runtime, führt durch die Erstkonfiguration und startet das Agent-Interface (bei bestehenden Ollama-Installationen alternativ der OpenClaw-Installer).
4. Provider auf lokal setzen — im OpenClaw-Setup den Ollama-Provider mit baseUrl: http://localhost:11434 konfigurieren und als Primärmodell z. B. ollama/qwen3.8:27b setzen.
5. Verifizieren — curl http://localhost:11434/api/tags zeigt die Modelle; im Agent eine Testaufgabe starten und die Logs prüfen (läuft alles lokal?).

Ein Hinweis aus der Community-Praxis: Ist der Agent erst aktiv, spürt man die Latenz lokaler Modelle — Task-Ausführung dauert deutlich länger als bei Cloud-Modellen. Für automatisierte, nächtliche Workflows oder stark überwachte Aufgaben ist das unkritisch, für interaktives Arbeiten gewöhnungsbedürftig.

Alternativen im Blick

• NVIDIA NemoClaw — OpenClaw-Agenten in einer NVIDIA-Sandbox (OpenShell + Policy-Gateway) auf dem DGX Spark: die gehärtete Variante für maximale Sicherheitsansprüche, hier im Detail.
• Claude Code — der kommerzielle Coding-Agent; lokal betreibbar über OpenAI-kompatible Endpunkte, aber geschlossene Lizenz.
• n8n, LangGraph, AutoGPT — Workflow-/Framework-Alternativen mit anderem Abstraktionsniveau; gut, wenn weniger Autonomie und mehr feste Pipelines gewünscht sind.
• Cursor + Ollama — KI-Entwicklung lokal ohne Agenten-Freiheit, hier beschrieben.

FAQ

Ist OpenClaw wirklich kostenlos? Ja. Die Gateway-Komponente ist unter der MIT-Lizenz Open Source. Kosten entstehen nur für Infrastruktur (Hardware, Strom) und optional für Cloud-Modell-APIs.

Welche Hardware brauche ich für OpenClaw mit Ollama? Für ein 27B-Modell mit 64K-Kontext: mindestens 24 GB VRAM (RTX 3090/4090, A6000), 64 GB RAM, 2 TB NVMe. Für kleinere Modelle (14B) reicht auch weniger; die Agent-Qualität leidet aber spürbar.

Läuft OpenClaw DSGVO-konform? Bei der Konfiguration „Local only" ja: Die Daten verlassen das Unternehmensnetz nicht, Drittlandtransfer und AVV entfallen. Voraussetzung ist sauberer Betrieb (TLS, Updates, Zugriffskontrolle).

Was ist der Unterschied zwischen OpenClaw und Claude Code? OpenClaw ist ein Open-Source-Agent, der in Chat-Umgebungen lebt und mit vielen Modellen (auch lokal) arbeitet. Claude Code ist ein kommerzielles, auf Claude-Modelle optimiertes Coding-Tool. OpenClaw ist flexibler und offen, Claude Code in der Code-Qualität oft besser.

Wie starte ich OpenClaw mit Ollama am schnellsten? Mit dem Ein-Befehl-Start von Ollama: ollama launch openclaw — installiert, verbindet und konfiguriert OpenClaw automatisch.

Kann OpenClaw mit mehreren Chat-Umgebungen gleichzeitig arbeiten? Ja. OpenClaw ist als Agent konzipiert, der parallel in mehreren Messengern/Oberflächen lebt und den Kontext zentral verwaltet — ein Vorteil gegenüber Einzel-Chat-Agenten.

Welche Modelle laufen gut mit OpenClaw lokal? Bewährt: Qwen3.8 27B, Qwen2.5 Coder 32B, Llama 3.3 70B (auf größeren GPUs), Gemma 4. Wichtig ist das Kontextfenster von mindestens 64K.

Fazit

OpenClaw + Ollama ist der aktuell pragmatischste Weg zu einem eigenen, DSGVO-tauglichen KI-Agenten im Mittelstand: Open Source, planbare einmalige Hardwarekosten statt Token-Abrechnung, und eine Ein-Befehl-Installation, die das Hobbyist-Thema entzaubert hat. Der Preis dafür ist Betriebsverantwortung: Updates, Absicherung und Modellpflege liegen im Haus. Unternehmen mit vorhandener GPU-Infrastruktur und sensiblen Daten bekommen damit einen Agenten, den sie kontrollieren — nicht einen, der sie kontrolliert.

Siehe auch: Ollama vs. vLLM vs. LM Studio und der KI-Agenten-Praxisleitfaden für den Mittelstand.