OpenClaw: Aufstieg und Fall — Zeitlinie und die wahren Ursachen des Zusammenbruchs
OpenClaw stieg schnell auf. Dann verschwand er noch schneller.
OpenClaw war kein Produkt, das gescheitert ist. Es ist seinem Treibstoff verlustig gegangen.
Was wie ein dramatischer Boom und Zusammenbruch aussieht, ist in Wirklichkeit etwas Mechanischeres und Interessantes. OpenClaw war eine dünne Schicht auf top einer temporären wirtschaftlichen Überlegenheit im KI-Ökosystem. Sobald sich dieser Vorteil auflöste, verschwand auch die Aufmerksamkeit.
Dieser Artikel analysiert den genauen Zeitplan, die wahren Treiber hinter dem Anstieg und warum der Abfall unvermeidlich war.
Die Illusion produktgetriebenen Wachstums
Die meisten Menschen gehen davon aus, dass OpenClaw wuchs, weil es ein großartiger KI-Agent war – und das ist nur teilweise richtig.
OpenClaw war genuinely nützlich. Es unterstützte mehr als 50 Integrationen, funktionierte über Claude, GPT-4o, Gemini und DeepSeek hinweg und zog Enterprise-Adoption an – Tencent baute direkt darauf eine Plattform. 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 Verlauf von OpenClaws Aufstieg und Zusammenbruch erklärt.
OpenClaw machte leistungsstarke Modelle kostengünstig im großen Maßstab nutzbar.
Phase 1. 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 Nutzers automatisieren konnte. Steinberger teilte es in Entwickler-Communities, und Early Adopters erkannten etwas Versprechendes, obwohl das Wachstum in dieser Phase langsam und organisch blieb und keine Sichtbarkeit außerhalb technischer Kreise hatte.
Phase 2. Die virale Zündung (Januar–Februar 2026)
Der Anstieg begann, als sich mehrere Kräfte nacheinander ausrichteten.
1. Naming-Drama und erzwungene Rebrands
Ende Januar 2026 schickte Anthropic Steinberger eine Markenrechtsmitteilung bezüglich „Clawdbot“, unter Berufung auf phonetische Ähnlichkeit zu „Claude“.据 seiner Darstellung handelte Anthropic professionell – aber die Mitteilung zwang zu einer Umbenennung. Das Projekt wurde für drei Tage zu Moltbot, dann zu OpenClaw, und die erzwungene Rebranding generierte genau die Art von Aufmerksamkeit, die Marketingbudgets nicht kaufen können.
2. Die Agent-Hype-Welle
Der Markt war bereits für einen Agenten-Durchbruch präpariert:
- Autonome Agents waren in den sozialen Medien und in der Tech-Presse trending
- „KI, die handeln kann“, war zur dominanten Erzählung geworden
- Entwickler suchten aktiv nach Tools, die komplexe Workflows automatisieren konnten
OpenClaw kam genau zum richtigen Moment, als die Nachfrage nach dieser Art von Tool am höchsten war und die Geschichte autonomer KI-Agenten die Aufmerksamkeit der breiten Öffentlichkeit erregte.
3. Die Billig-Compute-Schlupflücke
Der entscheidendste Faktor war eine Schlupflücke in den Compute-Preisen, die kein Maß an guter Ingenieurskunst absichtlich hätte schaffen können.
Nutzer entdeckten, dass OpenClaw sich mit Claude verbinden konnte, indem es das OAuth-Token von einem Claude Pro- oder Max-Abonnement abgriff 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 Kosten
Die Zahlen machten dies explosiv. Ein Claude Max-Abonnement kostete 200 $ pro Monat, während das Ausführen äquivalenter Workloads über die API weit mehr kosten würde – Branchenanalysten schätzten eine Preisdifferenz von mehr als dem Fünffachen, was bedeutete, dass Anthropic jeden schweren OpenClaw-Nutzer stillschweigend um hunderte Dollar pro Monat subventionierte.
Dies veränderte das Verhalten sofort:
- Entwickler führten schwere Experimente durch, die sie bei API-Preisen nie versucht hätten
- Virale Demos fluteten die sozialen Medien
- Großskalige Automatisierung wurde für Solo-Entwickler zugänglich
An der Software änderte sich nichts – die Wirtschaftlichkeit tat dies, 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 angesammelt, wobei es 100.000 Sterne in weniger als 48 Stunden erreichte – ein Tempo, das weithin als das schnellstwachsende GitHub-Projekt der Geschichte beschrieben wurde.
Phase 3. Spitzennutzung und aufgeblähte Erwartungen
Bei höchstem Interesse drängten Entwickler Agents an ihre Grenzen, die sozialen Medien verstärkten die Ergebnisse und die Erwartungen explodierten um das, was persönliche KI-Automatisierung erreichen könnte. Geschätzte 135.000 OpenClaw-Instanzen liefen gleichzeitig, 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 initiale Anstieg von Neuheit und wahrgenommener Hebelwirkung getrieben wird. Sobald Nutzer die Grenzen testen, setzt die Realität ein – das Tool erweist sich als schwieriger zuverlässig zu nutzen, und die wirtschaftlichen Bedingungen, die es attraktiv machten, erweisen sich oft als temporär. Im Fall von OpenClaw war die wahrgenommene Hebelwirkung real, aber auf geliehener Wirtschaftlichkeit aufgebaut, die Anthropic nicht für agentic Workloads kalkuliert hatte.
Der Creator wechselt zu OpenAI (Februar 2026)
Bevor der Zusammenbruch eintraf, verlor OpenClaw seinen ursprünglichen Architekten.
Am 14.–15. Februar 2026 kündigte Steinberger an, das Projekt zu verlassen, um OpenAI beizutreten. Sam Altman postete, dass Steinberger die „nächste Generation persönlicher Agents“ im Unternehmen „vorantreiben“ werde, und Steinberger schrieb, dass das „Zusammenarbeiten mit OpenAI der schnellste Weg sei, dies jedem zu bringen“. OpenClaw wurde an eine unabhängige Open-Source-Stiftung übertragen, mit der fortgesetzten Unterstützung von OpenAI.
Der Zeitpunkt war auffällig. Anthropic hatte sich geweigert, Steinberger einzustellen oder mit ihm zusammenzuarbeiten, obwohl sein Tool arguably ihre beste kostenlose Marketing-Kampagne in Jahren geworden war – ein Projekt, das explizit darauf ausgelegt war, zu zeigen, wie gut Claude war. Stattdessen ging er direkt zu ihrem größten Konkurrenten und nahm sowohl den Schwung des Projekts als auch seine Community-Beziehungen mit.
Phase 4. Die Korrektur beginnt
Zwei Dinge begannen gleichzeitig zu geschehen.
1. Die Realität von Agenten-Beschränkungen
Nutzer, die OpenClaw im großen Maßstab eingesetzt hatten, begannen, seine echten Einschränkungen zu begegnen:
- Agents sind spröde und scheitern unvorhersehbar bei mehrstufigen Aufgaben
- Die Zuverlässigkeit ist inkonsistent über verschiedene Workflows und Umgebungen hinweg
- Setup und Wartung sind für die meisten Nutzer außerhalb technischer Kreise nicht trivial
Diese Beschränkungen allein hätten einen graduellen Rückgang verursacht, aber OpenClaw ließ nicht graduell nach – es stürzte steil ab, weil eine zweite und entscheidendere Kraft genau zum gleichen Zeitpunkt eintraf.
2. Die wirtschaftliche Schicht bricht
Anthropic hatte dieses Spielbuch bereits einmal durchgespielt. Im Januar 2026, nur Wochen vor OpenClaws Gipfel, blockierten sie OpenCode – einen anderen beliebten Drittanbieter-Coding-Client – von der Nutzung von Claude-Abonnement-Tokens in dem, was als Verstoß gegen die Nutzungsbedingungen gerahmt wurde, nicht als Kapazitätsproblem. OpenClaw-Nutzer hatten allen Grund, die gleiche Behandlung zu erwarten, und dieser Moment traf im April ein.
Anthropic führte dann Einschränkungen ein, die die Schlupflücke vollständig schlossen:
- Drittanbieter-Tools wurden von der Nutzung von Abonnement-OAuth-Tokens blockiert
- Die Nutzung verschob sich auf Pay-as-you-go-Zusatzabrechnung oder vollständige API-Schlüssel
Dies entfernte den Schlüsselvorteil:
günstige Ausführung im großen Maßstab
Nun standen Nutzer einer sehr anderen Kostenstruktur gegenüber:
| Metrik | Vor Cut-off | Nach Cut-off |
|---|---|---|
| Monatlicher Plan-Kosten | 20–200 $ (fest) | 20–200 $ + Nutzung |
| Kosten pro Aufgabe | Effektive 0 $ | 0,50–2,00 $ |
| API-Rate (Sonnet 4.6 Input) | Von Abonnement abgedeckt | 3 $ pro Million Tokens |
| API-Rate (Sonnet 4.6 Output) | Von Abonnement abgedeckt | 15 $ pro Million Tokens |
| Erhöhung für Heavy User | — | 10× bis 50× |
Was verursachte den plötzlichen Rückgang des Interesses an KI-Agenten-Tools
Die Antwort ist straightforward: nicht mangelnde Innovation, sondern der Verlust erschwinglichen Computes. Sobald der Preisboden verschwunden war, verschwand der Anreiz zu experimentieren und zu 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 Abonnement-Zugang für alle Drittanbieter-Tools.
Boris Cherny, Head of Claude Code bei Anthropic, postete auf X, dass Claude Pro- und Max-Abonnements die Nutzung von Drittanbieter-Tools nicht mehr abdecken würden, mit sofortiger Wirkung. Ein Anthropic-Sprecher bestätigte, dass die Nutzung von Abonnements mit Drittanbieter-Tools immer gegen die Nutzungsbedingungen verstieß, und dass diese Tools „eine unverhältnismäßige Belastung für unsere Systeme“ verursachten. Zusätzlicher Kontext ließ den Zeitpunkt dringend wirken: Am 1. April war der gesamte 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 dringender machte, Drittanbieter-Tools zu sperren, die diese gleichen Muster spooften.
Anthropic bot einen einmaligen Gutschein in Höhe eines Monats Abonnementgebühr und einen 30% Rabatt auf vorher gekaufte Nutzungsbundles an, um den Übergang zu erleichtern. Für leichte Nutzer deckte der Gutschein den Anpassungszeitraum ab, aber für Power-User, die mehrere Instanzen liefen, funktionierten die neuen Zahlen einfach nicht. Die Wirkung auf die Aktivität war sofort:
- Experimentieren stoppte
- Virales Teilen verschwand
- Suchinteresse kollabierte
Dies stimmt fast perfekt mit dem steilen Abfall in Google Trends überein. Die vollständigen Policy-Mechanismen und Migrationsoptionen nach dem Cut-off werden in Claude, OpenClaw und das Ende der Flat Pricing für Agents 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 Abonnements völlig frei nutzen 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 explizit ihre Abonnement-Tore öffneten, positionierte sich OpenAI als die entwicklerfreundliche Alternative genau zu dem Moment, als Anthropic seine aktivste Community abschnitt, und sicherte sich die Loyalität der Entwickler, die die nächste Generation von KI-Tools bauten.
Phase 5. Wohin OpenClaw-Nutzer tatsächlich gingen
Nutzer verschwanden nicht nach dem Verbot – sie verteilten sich neu über ein Spektrum von Alternativen, abhängig von ihrer technischen Tiefe und ihrem Budget.
Direkte Nutzung von Chat-Assistenten
Viele Nutzer kehrten zu direkten Chat-Interfaces zurück und tauschten Agenten-Automatisierung gegen die Einfachheit und Zuverlässigkeit, die sie aufgegeben hatten:
- ChatGPT
- Claude UI
- Gemini
Ersetzen KI-Agenten traditionelle Chat-Assistenten
Nein – für die meisten Nutzer fügen Agents Komplexität hinzu, ohne genügend Zuverlässigkeitsgewinne. Das Chat-Interface bleibt der Standard für die tägliche Nutzung, weil es schneller zu starten ist, einfacher zu debuggen ist, wenn etwas schiefgeht, und keine Infrastruktur-Setup erfordert. Agents 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 Agents und einfachem Chat liegen und Entwicklern strukturierte Unterstützung ohne vollständigen agentic Overhead bieten.
Günstigere Modell-Ökosysteme
Power-User mit der technischen Fähigkeit, selbst zu hosten, wanderten zu kostengünstigeren Alternativen ab:
- Qwen
- DeepSeek
- andere kostengünstige Modelle, zugänglich über Ollama für vollständig lokale Setups
Welche Modelle sind beliebt für kostengünstige KI-Experimente
Modelle, die niedrigere Preise, weniger Nutzungseinschränkungen und flexible Bereitstellung einschließlich lokalem Self-Hosting bieten, absorbten den Großteil der verdrängten OpenClaw-Power-User. Diese Ökosysteme wuchsen still, anstatt öffentliche Hypes zu generieren, weshalb die Migration in Trenddaten weitgehend unsichtbar blieb, obwohl sie eine signifikante Neuvetreibung der Compute-Nachfrage darstellte.
Alternative Agenten-Frameworks
Entwickler, die weiterhin Agenten-Fähigkeiten benötigten, wechselten zu schlankeren Ansätzen:
- Custom Scripts, zugeschnitten auf spezifische Workflows
- Lightweight-Frameworks mit weniger Abhängigkeiten
- Self-Hosted-Lösungen, die lokale Modelle mit minimalem Tooling kombinieren
Der Schlüsselunterschied zu OpenClaw ist, dass diese Nutzer auf Kosten und Kontrolle optimierten, anstatt auf Bequemlichkeit, und für Nachhaltigkeit bauten, anstatt für maximale Automatisierung zum minimalen Preis. Dies ist das Muster, das im Self-Hosted-KI-Systeme-Ökosystem allgemein ist – Anbieter-Unabhängigkeit als Design-Anforderung behandelt, nicht als nachträglicher Gedanke.
Der übersehene Faktor – warum Kosten das wahre Produkt sind
Die wichtigste Erkenntnis aus OpenClaws Trajektorie ist, dass Kosten als das wahre Produkt in der KI-Adoption funktionieren.
Warum sind Kosten in der KI-Adoption wichtig
Weil die Nutzung nicht-linear mit Compute-Kosten skaliert. Wenn Compute billig ist, explodiert das Experimentieren, Innovation beschleunigt sich und Aufmerksamkeit wächst, weil virales Teilen wirtschaftlich rational wird. Wenn Compute teuer wird, kontrahiert die Nutzung auf ernste Workflows nur, Casual-User verlassen das Feld und Hype verschwindet fast über Nacht – was genau der Grund ist, warum Token-Optimierung und Kostenreduktionsstrategien kritische Fähigkeiten werden, sobald Compute nicht mehr subventioniert wird.
OpenClaw demonstrierte diese Regel in einer ungewöhnlich klaren Form: Zwischen Februar und April 2026 änderte sich die Software nicht, aber die Wirtschaftlichkeit, sie auszuführen, tat dies – und diese einzelne Verschiebung reichte aus, um die Community innerhalb weniger Tage zusammenbrechen zu lassen.
OpenClaw war nie die Kerngeschichte
OpenClaw fungierte als Oberflächenschicht auf top fundamentalerer Kräfte.
Die wahre Geschichte betraf drei Faktoren, die gleichzeitig operierten:
- Zugang zu Claude-Modellen zu Abonnement-Preisen anstatt zu API-Raten
- ein fünf-zu-eins-Preis-Missverhältnis zwischen dem, was Nutzer zahlten, und dem, was die Nutzung Anthropic tatsächlich kostete
- eine Policy-Korrektur, die aufgrund des Maßstabs dieses Missverhältnisses früher oder später geschehen musste
Sobald sich diese zugrunde liegenden Bedingungen änderten, würde jedes Tool, das von ihnen abhängte, dasselbe Muster zeigen – was genau der Grund ist, warum ähnliche Tools synchron anstiegen und fielen, unabhängig von ihrer individuellen Qualität oder Feature-Sets. Anthropics Entscheidung offenbarte auch etwas Strategisches: Indem sie Drittanbieter-Clients blockierten, während sie Claude Code schützten, wählte das Unternehmen, Entwickler-Engagement innerhalb seiner eigenen First-Party-Tooling zu konzentrieren, zu einem Moment, als unabhängige Communities schneller iterierten als jedes zentralisierte 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 Compute-Kosten, Zuverlässigkeitsgrenzen oder Plattformbeschränkungen durchgesetzt wurden. Der Zyklus ist konsistent:
- Neue Fähigkeit erscheint
- Billige oder kostenlose Nutzung entsteht
- Virales Experimentieren beginnt
- Kosten oder Grenzen werden durchgesetzt
- Aufmerksamkeit kollabiert
Jeder Zyklus hinterlässt eine kleinere, engagiertere Nutzerbasis und ein klareres Verständnis davon, was tatsächlich im großen Maßstab funktioniert – was ist, wie Fortschritt sich selbst durch das Boom-and-Bust-Muster anreichert.
OpenClaw vs Hermes Agent – was die Trend-Daten zeigen
Das obige Diagramm vergleicht weltweites Google Trends-Suchinteresse für OpenClaw AI (blau) und Hermes Agent (rot) über die vergangenen drei Monate. OpenClaw erreichte im März 2026 Mitte einen Index von 100 und kollabierte im April nach dem Abonnement-Cut-off steil. Hermes Agent registrierte sich kaum während OpenClaws Gipfel, sammelte dann allmählich Interesse, als OpenClaw verblasste – erreichte einen Index von etwa 40 in Bursts durch April, verglichen mit OpenClaws Durchschnitt von 49 und Hermes’ Durchschnitt von 8.
Hermes Agent ist ein Open-Source-Framework, gebaut von Nous Research und im Februar 2026 veröffentlicht. Im Gegensatz zu OpenClaw, das für breiten reaktiven Tool-Einsatz über viele Integrationen optimiert ist, basiert Hermes auf einer Lernschleife: Es generiert wiederverwendbare Fähigkeiten aus erfolgreichen Aufgabenabschlüssen, verfeinert sie durch fortgesetzte Nutzung und erhält ein persistentes Modell des Nutzers über Sessions hinweg. Das Ergebnis ist ein Agent, der verbessert, je mehr er auf denselben Aufgabentypen verwendet wird, anstatt 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 transferierte nicht zu Hermes – er verdampfte. Casual-Experimenter, die Agents billig auf Claude-Abonnements liefen, verließen einfach den Raum, anstatt zu einer Alternative zu migrieren. Die Nutzer, die zu Hermes zogen, waren die engagierte technische Minderheit, die persistente, self-hosted Automatisierung benötigte und bereit war, sie richtig einzurichten – was genau die Art von kleinerer, nachhaltigerer Nutzerbasis ist, die nach jedem KI-Hype-Zyklus zusammenbricht, übrig bleibt. Für diese Nutzer sind Hermes Produktions-Setup-Muster wertvoll zu erkunden.
Finaler Takeaway – folge der Wirtschaftlichkeit, nicht der Oberfläche
OpenClaw stieg nicht, weil es revolutionär war – es stieg, weil es etwas temporär unterpreisiges freischaltete, und es fiel nicht, weil es als Produkt scheiterte, sondern weil dieser Preisvorteil von der Plattform entfernt wurde, von der es abhängig war.
Dies war kein Produktlebenszyklus. Es war ein Preispunkt-Ereignis.
Diesen Unterschied zu verstehen ist kritisch, um den nächsten Anstieg in KI-Tooling vorherzusagen. Dasselbe Muster wird sich wiederholen, wann immer ein neues Compute-Subsidium erscheint, sei es durch eine Abonnement-Schlupflücke, ein großzügiges Free-Tier oder ein neues Open-Weight-Modell, das etablierte Preise unterbietet. Verfolge, wo Compute temporär billig ist, und du wirst die nächste Welle viraler KI-Tools finden, bevor der Hype eintrifft.
