OpenClaw: Aufstieg und Fall – Zeitplan und die wahren Gründe für den Zusammenbruch
OpenClaw stieg schnell auf. Dann verschwand er noch schneller.
OpenClaw ist als Produkt gescheitert. Es hat seinen Treibstoff verloren.
Was wie ein dramatischer Boom und Zusammenbruch aussieht, ist eigentlich etwas Mechanischeres und Interessanteres. OpenClaw war eine dünne Schicht auf einem vorübergehenden wirtschaftlichen Vorteil im Ökosystem der künstlichen Intelligenz (KI). Sobald dieser Vorteil verschwand, verblasste auch die Aufmerksamkeit.
Hier ist das Google-Trend-Diagramm für OpenClaw AI.
Dieser Artikel analysiert den genauen Zeitplan, die wahren Treiber hinter dem Anstieg und warum der Absturz unvermeidlich war. Wenn Sie sich darauf konzentrieren, wie nachhaltigere Operationen nach dem Hype aussehen, ist der NemoClaw-Leitfaden für sichere Operationen der praktische Folgebegriff.
Die Illusion produktgetriebenen Wachstums
Die meisten Menschen gehen davon aus, dass OpenClaw gewachsen ist, weil es ein großartiger KI-Agent war – und das ist nur teilweise wahr.
OpenClaw war tatsächlich nützlich. Es unterstützte mehr als 50 Integrationen, funktionierte mit Claude, GPT-4o, Gemini und DeepSeek und zog die Übernahme durch Unternehmen an – Tencent baute eine Plattform direkt darauf auf. Aber allein die Fähigkeiten unterschieden es nicht von vergleichbaren Alternativen:
- Cline
- LangChain-basierte Setups
- Andere Agent-Wrapper
Der eigentliche Treiber war der Zugang, nicht die Leistungsfähigkeit – eine Unterscheidung, die den gesamten Aufstieg und Fall von OpenClaw erklärt.
OpenClaw machte leistungsstarke Modelle im großen Maßstab kostengünstig nutzbar.
Phase 1: Die stille Entstehung (November 2025)
Die Geschichte beginnt im November 2025, als Peter Steinberger den ersten Prototyp in etwa einer Stunde baute. Er ärgerte sich darüber, dass das Tool noch nicht existierte, also baute er es und nannte es Clawdbot – eine Anspielung auf Anthropics Claude, komplett mit einem Hummer-Maskottchen.
Die erste Version war praktisch statt auffällig: Ein KI-Agent, der Kalender verwalten, E-Mails prüfen, Termine buchen und Computeraufgaben im Namen des Benutzers automatisieren konnte. Steinberger teilte es in Entwicklergemeinschaften und Early Adopters erkannten etwas Versprechendes, obwohl das Wachstum in dieser Phase langsam und organisch blieb und außerhalb technischer Kreise keine Sichtbarkeit hatte.
Phase 2: Die virale Zündung (Januar–Februar 2026)
Der Anstieg begann, als sich mehrere Kräfte nacheinander ausrichteten.
1. Namensdrama und erzwungene Neubenennungen
Ende Januar 2026 schickte Anthropic Steinberger einen Markenrechtsbescheid bezüglich „Clawdbot“ unter Berufung auf die phonetische Ähnlichkeit zu „Claude“. Nach seiner Schilderung ging Anthropic professionell damit um – aber der Bescheid erzwang eine Umbenennung. Das Projekt nannte sich drei Tage lang Moltbot, dann OpenClaw, und die erzwungene Neubenennung erzeugte genau die Art von Aufmerksamkeit, die Marketingbudgets nicht kaufen können.
2. Die Welle des Agent-Hypes
Der Markt war bereits für einen Agent-Durchbruch vorbereitet:
- Autonome Agenten waren in sozialen Medien und der Tech-Presse im Trend.
- „KI, die handeln kann“, war zur vorherrschenden Erzählung geworden.
- Entwickler suchten aktiv nach Tools, die komplexe Arbeitsabläufe automatisieren konnten.
OpenClaw kam genau zum richtigen Zeitpunkt, als die Nachfrage nach dieser Art von Tool am höchsten war und die Geschichte autonomer KI-Agenten die Aufmerksamkeit des Mainstreams erregte.
3. Die Lücke bei den günstigen Rechenleistungen
Der entscheidendste Faktor war eine Lücke in der Preisgestaltung für Rechenleistung, die kein noch so guter Engineering-Ansatz absichtlich hätte erzeugen können.
Benutzer stellten fest, dass OpenClaw sich mit Claude verbinden konnte, indem es das OAuth-Token von einem Claude Pro- oder Max-Abo griff und die Authentifizierungs-Header von Anthropics eigenem Claude Code-Client spoofte. Anstatt pro Token über die API zu zahlen, erhielten sie effektiv:
nahezu unbegrenzte Agent-Ausführung für eine feste monatliche Gebühr
Die Zahlen machten dies explosiv. Ein Claude Max-Abo kostete 200 US-Dollar pro Monat, während die Ausführung äquivalenter Workloads über die API viel teurer wäre – Branchenanalysten schätzten eine Preislücke von mehr als dem Fünffachen, was bedeutete, dass Anthropic jeden schweren OpenClaw-Benutzer stillschweigend um Hunderte von Dollar pro Monat subsidiierte.
Dies änderte das Verhalten sofort:
- Entwickler führten schwere Experimente durch, die sie bei API-Preisen nie versucht hätten.
- Virale Demos fluteten soziale Medien.
- Automatisierung im großen Maßstab wurde für Solo-Entwickler zugänglich.
An der Software änderte sich nichts – die Wirtschaftlichkeit tat es, und diese Verschiebung allein reichte aus, um eine virale Adoptionskurve zu entzünden. Bis zum 2. März 2026 hatte das OpenClaw-Repository 247.000 GitHub-Sterne und 47.700 Forks gesammelt und erreichte 100.000 Sterne in weniger als 48 Stunden – ein Tempo, das weithin als das schnellstwachsende GitHub-Projekt in der Geschichte beschrieben wurde.
Phase 3: Peak-Nutzung und aufgeblähte Erwartungen
Im Höhepunkt des Interdrucks trieben Entwickler Agenten an ihre Grenzen, soziale Medien verstärkten die Ergebnisse und die Erwartungen darüber, was persönliche KI-Automatisierung erreichen könnte, explodierten. Geschätzt wurden 135.000 OpenClaw-Instanzen gleichzeitig betrieben, als Anthropic seine Ankündigung machte, und eine Gründerin beschrieb öffentlich, wie sie neun separate KI-Agenten eingesetzt hatte, um ihre administrative Arbeit und die Logistik ihres privaten Haushalts zu verwalten.
Warum werden KI-Tools plötzlich populär und verblassen dann?
Weil der anfängliche Anstieg durch Neuheit und wahrgenommene Hebelwirkung getrieben wird. Sobald Benutzer die Grenzen testen, setzt die Realität ein – das Tool erweist sich als schwerer zuverlässig zu verwenden, und die wirtschaftlichen Bedingungen, die es attraktiv gemacht haben, erweisen sich oft als vorübergehend. Im Fall von OpenClaw war die wahrgenommene Hebelwirkung real, aber auf geliehener Wirtschaftlichkeit aufgebaut, die Anthropic nicht für agentische Workloads kalkuliert hatte.
Der Creator verlässt das Projekt für OpenAI (Februar 2026)
Bevor der Zusammenbruch eintraf, verlor OpenClaw seinen ursprünglichen Architekten.
Am 14.–15. Februar 2026 kündigte Steinberger an, das Projekt zu verlassen und sich OpenAI anzuschließen. Sam Altman postete, dass Steinberger die „nächste Generation persönlicher Agenten“ im Unternehmen vorantreiben werde, und Steinberger schrieb, dass die Zusammenarbeit mit OpenAI der schnellste Weg sei, dies für alle zugänglich zu machen. OpenClaw wurde an eine unabhängige Open-Source-Stiftung mit der fortgesetzten Unterstützung von OpenAI übertragen.
Der Zeitpunkt war striking. Anthropic hatte sich geweigert, Steinberger zu beschäftigen oder mit ihm zusammenzuarbeiten, obwohl sein Tool arguably ihr bestes kostenloses Marketing in Jahren geworden war – ein Projekt, das explizit darauf ausgerichtet war, zu zeigen, wie gut Claude war. Stattdessen ging er direkt zu ihrem größten Konkurrenten und nahm sowohl den Impuls des Projekts als auch die Community-Beziehungen mit.
Phase 4: Die Korrektur beginnt
Zwei Dinge begannen gleichzeitig zu geschehen.
1. Die Realität der Agentenbeschränkungen
Benutzer, die OpenClaw im großen Maßstab eingesetzt hatten, begannen, seine echten Einschränkungen zu erleben:
- Agenten sind zerbrechlich und scheitern unvorhersehbar bei mehrstufigen Aufgaben.
- Die Zuverlässigkeit ist über verschiedene Arbeitsabläufe und Umgebungen hinweg inkonsistent.
- Setup und Wartung sind für die meisten Benutzer außerhalb technischer Kreise nicht trivial.
Diese Beschränkungen allein hätten einen graduellen Rückgang verursacht, aber OpenClaw ließ nicht graduell nach – es fiel scharf ab, weil eine zweite und entscheidendere Kraft genau zur gleichen Zeit zuschlug.
2. Die wirtschaftliche Schicht bricht zusammen
Anthropic hatte dieses Spielbuch bereits einmal durchgespielt. Im Januar 2026, nur Wochen vor dem Höhepunkt von OpenClaw, blockierten sie OpenCode – einen weiteren beliebten Drittanbieter-Coding-Client – von der Verwendung von Claude-Abo-Tokens, was als Verstoß gegen die Nutzungsbedingungen und nicht als Kapazitätsproblem dargestellt wurde. OpenClaw-Benutzer hatten jeden Grund, die gleiche Behandlung zu erwarten, und dieser Moment traf im April ein.
Anthropic führte dann Einschränkungen ein, die die Lücke vollständig schlossen:
- Drittanbieter-Tools wurden von der Verwendung von Abo-OAuth-Tokens blockiert.
- Die Nutzung verschob sich auf Pay-as-you-go-Zusatzabrechnungen oder vollständige API-Schlüssel.
Dies entfernte den entscheidenden Vorteil:
günstige Ausführung im großen Maßstab
Jetzt standen Benutzer vor einer sehr anderen Kostenstruktur:
| Metrik | Vor dem Cut-off | Nach dem Cut-off |
|---|---|---|
| Monatlicher Planpreis | 20–200 USD (flat) | 20–200 USD + Nutzung |
| Kosten pro Aufgabe | Effektiv 0 USD | 0,50–2,00 USD |
| API-Rate (Sonnet 4.6 Input) | Durch Abo gedeckt | 3 USD pro Million Tokens |
| API-Rate (Sonnet 4.6 Output) | Durch Abo gedeckt | 15 USD pro Million Tokens |
| Anstieg für schwere Nutzer | — | 10× bis 50× |
Was verursachte den plötzlichen Rückgang des Interesses an KI-Agenten-Tools?
Die Antwort ist straightforward: Nicht mangelnde Innovation, sondern der Verlust erschwinglicher Rechenleistung. Sobald der Preisbodensatz verschwand, verschwand der Anreiz zum Experimentieren und Teilen mit ihm, und das Suchinteresse folgte fast sofort.
4. April 2026 — Der harte Cut-off
Am 4. April 2026, um 12 Uhr Pacific Time, endete der Abo-Zugang für alle Drittanbieter-Tools.
Boris Cherny, Head of Claude Code bei Anthropic, postete auf X, dass Claude Pro- und Max-Abos zukünftig keine Nutzung von Drittanbieter-Tools mehr decken würden, mit sofortiger Wirkung. Ein Sprecher von Anthropic bestätigte, dass die Verwendung von Abos mit Drittanbieter-Tools stets gegen die Nutzungsbedingungen verstoßen habe und dass diese Tools „eine unverhältnismäßige Belastung für unsere Systeme“ darstellten. Zusätzlicher Kontext ließ den Zeitpunkt dringend erscheinen: Am 1. April war der vollständige Quellcode von Claude Code – 512.000 Zeilen TypeScript – durch ein npm-Paket geleakt worden, was genau zeigte, wie Anthropics First-Party-Tools sich mit dem Backend authentifizierten, und es dringlicher machte, Drittanbieter-Tools, die diese Muster spooften, abzusichern.
Anthropic bot ein einmaliges Guthaben in Höhe einer monatlichen Abogebühr und einen 30-prozentigen Rabatt auf vorab gekaufte Nutzungs-Bundles an, um den Übergang zu erleichtern. Für leichte Nutzer deckte das Guthaben die Anpassungsperiode, aber für Power-User, die mehrere Instanzen betrieben, funktionierten die neuen Zahlen einfach nicht. Die Auswirkung auf die Aktivität war sofort:
- Experimentieren hörte auf.
- Virales Teilen verschwand.
- Suchinteresse kollabierte.
Dies stimmt fast perfekt mit dem scharfen Rückgang in Google Trends überein. Die vollständigen Policy-Mechanismen und Migrationsoptionen nach dem Cut-off werden in Claude, OpenClaw und das Ende der Flat-Preisgestaltung für Agenten behandelt.
OpenAI bewegt sich in die entgegengesetzte Richtung
Am selben Tag wie das Anthropic-Verbot bestätigte OpenAI öffentlich, dass ChatGPT Plus-, Pro- und Team-Abonnenten ihre Abos vollständig frei verwenden durften, um OpenClaw über OAuth anzutreiben – einschließlich mit Modellen wie GPT-5.3 Codex für komplexe Coding-Aufgaben.
Dies war kein zufälliger Zeitpunkt. Indem sie Steinberger einstellten und ihre Abo-Schranken explizit öffneten, positionierte sich OpenAI als die entwicklerfreundliche Alternative genau in dem Moment, als Anthropic seine aktivste Community abschnitt und die Loyalität der Entwickler sicherte, die die nächste Generation von KI-Tools bauten.
Phase 5: Wohin OpenClaw-Benutzer tatsächlich gingen
Benutzer verschwanden nicht nach dem Verbot – sie verteilten sich über ein Spektrum von Alternativen, abhängig von ihrer technischen Tiefe und ihrem Budget.
Direkte Nutzung von Chat-Assistenten
Viele Benutzer kehrten zu direkten Chat-Interfaces zurück und tauschten Agenten-Automatisierung gegen die Einfachheit und Zuverlässigkeit ein, auf die sie verzichtet hatten:
- ChatGPT
- Claude UI
- Gemini
Ersetzen KI-Agenten traditionelle Chat-Assistenten?
Nein – für die meisten Benutzer fügen Agenten Komplexität hinzu, ohne genügend Zuverlässigkeitsgewinne zu bieten. Das Chat-Interface bleibt der Standard für die tägliche Nutzung, da es schneller zu starten ist, einfacher zu debuggen ist, wenn etwas schiefgeht, und keine Infrastruktur-Einrichtung erfordert. Agenten dienen einer engagierten Minderheit von Power-Usern, nicht der allgemeinen Bevölkerung. Das KI-Entwickler-Tools-Ökosystem hat sich entwickelt, um diese Lücke mit Tools zu füllen, die zwischen rohen Agenten und einfachem Chat liegen und Entwicklern strukturierte Assistance ohne vollständigen agentischen Overhead geben.
Günstigere Modell-Ökosysteme
Power-User mit der technischen Fähigkeit zum Self-Hosting wanderten zu kostengünstigeren Alternativen ab:
- Qwen
- DeepSeek
- andere kostengünstige Modelle, zugänglich über Ollama für vollständig lokale Setups
Welche Modelle sind populär für kostengünstige KI-Experimente?
Modelle, die niedrigere Preise, weniger Nutzungseinschränkungen und flexible Bereitstellung einschließlich lokalem Self-Hosting bieten, absorbierten den Großteil der vertriebenen OpenClaw-Power-User. Diese Ökosysteme wuchsen still und erzeugten keinen öffentlichen Hype, weshalb die Migration in Trenddaten weitgehend unsichtbar war, obwohl sie eine signifikante Umverteilung der Rechenleistungsanforderung darstellte.
Alternative Agenten-Frameworks
Entwickler, die immer noch Agenten-Fähigkeiten benötigten, wechselten zu schlankeren Ansätzen:
- Kundenspezifische Skripte, zugeschnitten auf spezifische Arbeitsabläufe.
- Lightweight-Frameworks mit weniger Abhängigkeiten.
- Self-Hosted-Lösungen, die lokale Modelle mit minimalem Tooling kombinieren.
Der entscheidende Unterschied zu OpenClaw ist, dass diese Benutzer auf Kosten und Kontrolle optimierten, nicht auf Bequemlichkeit, und für Nachhaltigkeit statt maximaler Automatisierung zu minimalem Preis bauten. Dies ist das Muster, das im Self-Hosted-KI-Systeme-Ökosystem üblich ist – Provider-Unabhängigkeit als Design-Anforderung behandelt, nicht als nachträglicher Gedanke.
Der übersehene Faktor – warum Kosten das eigentliche Produkt sind
Die wichtigste Erkenntnis aus OpenClaws Trajektorie ist, dass Kosten als das eigentliche Produkt in der KI-Adoption funktionieren.
Warum sind Kosten in der KI-Adoption wichtig?
Weil die Nutzung nicht-linear mit den Rechenkosten skaliert. Wenn Rechenleistung günstig ist, explodiert das Experimentieren, Innovation beschleunigt sich und Aufmerksamkeit wächst, weil virales Teilen wirtschaftlich rational wird. Wenn Rechenleistung teuer wird, schrumpft die Nutzung auf ernsthafte Arbeitsabläufe, casual Nutzer gehen und Hype verschwindet fast über Nacht – was genau der Grund ist, warum Token-Optimierung und Kostensenkungsstrategien kritische Fähigkeiten werden, sobald Rechenleistung nicht mehr subventioniert wird.
OpenClaw demonstrierte diese Regel in ungewöhnlich klarer Form: Zwischen Februar und April 2026 änderte sich die Software nicht, aber die Wirtschaftlichkeit des Betriebs tat es – und diese einzelne Verschiebung reichte aus, um die Community innerhalb weniger Tage zum Einsturz zu bringen.
OpenClaw war nie die Kerngeschichte
OpenClaw funktionierte als Oberflächenschicht auf fundamentaleren Kräften.
Die echte Geschichte betraf drei Faktoren, die gleichzeitig wirkten:
- Zugang zu Claude-Modellen zu Abo-Preisen statt API-Raten.
- Eine fünfzu-eins-Preisfehlanpassung zwischen dem, was Benutzer zahlten, und dem, was die Nutzung Anthropic tatsächlich kostete.
- Eine Policy-Korrektur, die früher oder später angesichts des Umfangs dieser Fehlanpassung passieren musste.
Sobald sich diese zugrunde liegenden Bedingungen änderten, würde jedes Tool, das von ihnen abhing, dasselbe Muster zeigen – was genau der Grund ist, warum ähnliche Tools im Gleichklang anstiegen und fielen, unabhängig von ihrer individuellen Qualität oder Feature-Sets. Anthropics Entscheidung enthüllte auch etwas Strategisches: Indem sie Drittanbieter-Clients blockierten, während sie Claude Code schützten, wählte das Unternehmen, die Entwickler-Engagement in seinen eigenen First-Party-Tooling zu konzentrieren, zu einem Zeitpunkt, an dem unabhängige Communities schneller iterierten als jedes zentrale Labor.
Das Muster wiederholt sich in der KI
OpenClaws Trajektorie ist nicht einzigartig – derselbe Zyklus hat sich wiederholt im gesamten KI-Ökosystem abgespielt.
Dasselbe Muster erscheint in AutoGPT, BabyAGI und anderen frühen Agenten-Frameworks, die massive Aufmerksamkeit erregten und dann verblichen, als Rechenkosten, Zuverlässigkeitsgrenzen oder Plattformbeschränkungen durchgesetzt wurden. Der Zyklus ist konsistent:
- Neue Fähigkeit erscheint.
- Günstige oder kostenlose Nutzung entsteht.
- Virales Experimentieren beginnt.
- Kosten oder Grenzen werden durchgesetzt.
- Aufmerksamkeit kollabiert.
Jeder Zyklus hinterlässt eine kleinere, engagiertere Benutzerbasis und ein klareres Verständnis davon, was im großen Maßstab tatsächlich funktioniert – was ist, wie Fortschritt sich auch durch das Boom-and-Bust-Muster kumuliert.
OpenClaw vs. Hermes Agent – was die Trenddaten zeigen
Das obige Diagramm vergleicht das weltweite Google-Trends-Suchinteresse für OpenClaw AI (blau) und Hermes Agent (rot) über die letzten drei Monate. OpenClaw erreichte im März 2026 einen Index von 100 und kollabierte scharf im April nach dem Abo-Cut-off. Hermes Agent registrierte während von OpenClaws Höhepunkt kaum Interesse, sammelte dann allmählich Interesse, als OpenClaw verblasste – erreichte einen Index von etwa 40 in Bursts durch April, im Vergleich zu OpenClaws Durchschnitt von 49 und Hermes’ Durchschnitt von 8.
Hermes Agent ist ein Open-Source-Framework, das von Nous Research gebaut und im Februar 2026 veröffentlicht wurde. Im Gegensatz zu OpenClaw, das für breiten reaktiven Tool-Einsatz über viele Integrationen optimiert ist, baut Hermes um eine Lernschleife: Es generiert wiederverwendbare Fähigkeiten aus erfolgreichen Task-Abschlüssen, verfeinert sie durch fortgesetzte Nutzung und pflegt ein persistierendes Modell des Benutzers über Sessions hinweg. Das Ergebnis ist ein Agent, der sich verbessert, desto mehr er auf denselben Task-Typen verwendet wird, statt jeden Job von derselben Basislinie aus anzugehen. Es erreichte 95.600 GitHub-Sterne in seinen ersten sieben Wochen.
Die Lücke im Diagramm ist signifikant. OpenClaws Hype-Überschuss übertrug sich nicht auf Hermes – er verdampfte. Casual-Experimentierer, die Agenten günstig auf Claude-Abos betrieben hatten, verließen den Raum einfach, anstatt zu einer Alternative zu migrieren. Die Benutzer, die zu Hermes wechselten, waren die engagierte technische Minderheit, die persistente, self-hosted Automatisierung benötigten und bereit waren, sie richtig einzurichten – was genau die Art von kleinerer, nachhaltigerer Benutzerbasis ist, die nach jedem KI-Hype-Zyklus bleibt. Für diese Benutzer sind Hermes-Produktions-Setup-Muster wertvoll zu erforschen. Für einen vollständigen Multi-Signal-Snapshot von Mai 2026 – Live-GitHub-Sterne-Anzahlen für 20 Agenten-Frameworks, OpenRouter-Token-Rankings, npm- und PyPI-Download-Daten, CVE-Geschichte und Reddit-Community-Stimmung – siehe OpenClaw vs. Hermes Agent: Sterne, Downloads & Nutzung 2026.
Fazit – Folgen Sie der Wirtschaftlichkeit, nicht der Oberfläche
OpenClaw stieg nicht auf, weil es revolutionär war – es stieg auf, weil es etwas vorübergehend unterpreisiges freischaltete, und es fiel nicht, weil es als Produkt scheiterte, sondern weil dieser Preisvorteil von der Plattform, von der es abhing, entfernt wurde.
Dies war kein Produktlebenszyklus. Es war ein Preisereignis.
Das Verständnis dieser Unterscheidung ist kritisch, um den nächsten Anstieg in KI-Tooling vorherzusagen. Dasselbe Muster wird sich wiederholen, wann immer eine neue Rechenleistungssubvention erscheint, sei es durch eine Abo-Lücke, ein großzügiges Free-Tier oder ein neues Open-Weight-Modell, das etablierte Preise unterbietet. Verfolgen Sie, wo Rechenleistung vorübergehend günstig ist, und Sie werden die nächste Welle viraler KI-Tools finden, bevor der Hype eintrifft.
