OpenClaw Quickstart: Installation mit Docker (Ollama GPU oder Claude + CPU)

Installieren Sie OpenClaw lokal mit Ollama

Inhaltsverzeichnis

OpenClaw ist ein selbst gehosteter KI-Assistent, der mit lokalen LLM-Runtimes wie Ollama oder mit cloudbasierten Modellen wie Claude Sonnet ausgeführt werden kann.

Diese Schnellstartanleitung zeigt, wie Sie OpenClaw mit Docker bereitstellen, entweder ein GPU-gestütztes lokales Modell oder ein rein CPU-basiertes Cloud-Modell konfigurieren und überprüfen, dass Ihr KI-Assistent von Anfang bis Ende funktioniert.

Diese Anleitung führt Sie durch eine minimale Einrichtung von OpenClaw, damit Sie sehen können, wie er auf Ihrem eigenen System läuft und reagiert.

Das Ziel ist einfach:

  • OpenClaw zum Laufen bringen.
  • Eine Anfrage senden.
  • Bestätigen, dass alles funktioniert.

Dies ist keine Anleitung zur Härtung für den Produktiveinsatz.
Dies ist keine Anleitung zur Leistungsoptimierung.
Dies ist ein praktischer Ausgangspunkt.

Sie haben zwei Optionen:

  • Pfad A — Lokale GPU mit Ollama (empfohlen, wenn Sie eine GPU haben)
  • Pfad B — Nur CPU mit Claude Sonnet 4.6 über die Anthropic API

Beide Pfade teilen sich denselben Kerninstallationsprozess.

install openclaw steps GPU vs CPU

Wenn Sie neu bei OpenClaw sind und einen tieferen Überblick über die Systemstruktur wünschen, lesen Sie die OpenClaw-Systemübersicht. Wenn Sie einen immer aktiven Assistenten mit strengerer Sandboxing und Policy-Steuerungen betreiben möchten, folgen Sie dem NemoClaw-Sicherheitsleitfaden.

Systemanforderungen und Umgebungseinrichtung

OpenClaw ist ein Assistentensystem, das sich mit externen Diensten verbinden kann. Für diesen Schnellstart:

  • Verwenden Sie nach Möglichkeit Testkonten.
  • Vermeiden Sie die Verbindung sensibler Produktionsysteme.
  • Führen Sie es in Docker aus (empfohlen).

Isolation ist eine gute Standardeinstellung beim Experimentieren mit Agent-Software.

OpenClaw-Voraussetzungen (GPU mit Ollama oder CPU mit Claude)

Für beide Pfade erforderlich

  • Git
  • Docker Desktop (oder Docker + Docker Compose)
  • Ein Terminal

Für Pfad A (Lokale GPU)

  • Ein Computer mit einer kompatiblen GPU (NVIDIA oder AMD empfohlen)
  • Ollama installiert

Für Pfad B (CPU + Cloud-Modell)

  • Ein Anthropic-API-Schlüssel
  • Zugriff auf Claude Sonnet 4.6

Schritt 1 — OpenClaw mit Docker installieren (Klonen & Starten)

OpenClaw kann mit Docker Compose gestartet werden. Dies hält die Einrichtung abgeschlossen und reproduzierbar.

Repository klonen

git clone https://github.com/openclaw/openclaw.git
cd openclaw

Umgebungsdatei kopieren

cp .env.example .env

Öffnen Sie .env in Ihrem Editor. Wir werden es im nächsten Schritt konfigurieren, je nachdem, welchen Modellpfad Sie wählen.

Container starten

docker compose up -d

Wenn alles korrekt startet, sollten Sie laufende Container sehen:

docker ps

An dieser Stelle läuft OpenClaw — ist aber noch nicht mit einem Modell verbunden.

Schritt 2 — LLM-Anbieter konfigurieren (Ollama GPU oder Claude CPU)

Entscheiden Sie nun, wie die Inferenz funktionieren soll.

Pfad A — Lokale GPU mit Ollama

Wenn Sie eine GPU verfügbar haben, ist dies die einfachste und abgeschlossene Option.

Ollama installieren oder überprüfen

Wenn Sie eine detailliertere Installationsanleitung benötigen oder Speicherorte für Modelle konfigurieren möchten, sehen Sie unter:

Wenn Ollama nicht installiert ist:

curl -fsSL https://ollama.com/install.sh | sh

Überprüfen Sie, ob es funktioniert:

ollama pull llama3
ollama run llama3

Wenn das Modell antwortet, funktioniert die Inferenz.

OpenClaw für die Verwendung von Ollama konfigurieren

Konfigurieren Sie in Ihrer .env-Datei:

LLM_PROVIDER=ollama
OLLAMA_BASE_URL=http://host.docker.internal:11434
OLLAMA_MODEL=llama3

Starten Sie die Container neu:

docker compose restart

OpenClaw leitet nun Anfragen an Ihre lokale Ollama-Instanz weiter.

Wenn Sie entscheiden, welches Modell auf einer 16-GB-GPU ausgeführt werden soll, Benchmark-Vergläiche wünschen oder sinnvolle Qwen / Gemma-Sampler-Standardwerte für toollastige Assistenten benötigen, sehen Sie unter:

Um Parallelität und CPU-Verhalten unter Last zu verstehen:

Pfad B — Nur CPU mit Claude Sonnet 4.6

Wenn Sie keine GPU haben, können Sie ein gehostetes Modell verwenden.

API-Schlüssel hinzufügen

In Ihrer .env-Datei:

LLM_PROVIDER=anthropic
ANTHROPIC_API_KEY=your_api_key_here
ANTHROPIC_MODEL=claude-sonnet-4-6

Neustart durchführen:

docker compose restart

OpenClaw verwendet nun Claude Sonnet 4.6 für die Inferenz, während die Orchestrierung lokal ausgeführt wird.

Diese Einrichtung funktioniert gut auf reinen CPU-Maschinen, da die rechenintensive Modellberechnung in der Cloud stattfindet.

Wenn Sie hier Anthropic-Modelle verwenden, erklärt diese Änderung der Claude-Abonnementsrichtlinie, warum OpenClaw eine API-basierte Abrechnung erfordert, anstatt das Claude-Abonnement wiederverwenden zu können.

Schritt 3 — OpenClaw mit Ihrem ersten Prompt testen

Sobald die Container laufen und das Modell konfiguriert ist, können Sie den Assistenten testen.

Je nach Einrichtung kann dies über erfolgen:

  • Eine Weboberfläche
  • Eine Messaging-Integration
  • Einen lokalen API-Endpunkt

Für einen grundlegenden API-Test:

curl http://localhost:3000/health

Sie sollten eine Antwort mit gesundem Status sehen.

Senden Sie nun einen einfachen Prompt:

curl -X POST http://localhost:3000/chat   -H "Content-Type: application/json"   -d '{"message": "Explain what OpenClaw does in simple terms."}'

Wenn Sie eine strukturierte Antwort erhalten, funktioniert das System.

Was Sie gerade ausgeführt haben

An diesem Punkt haben Sie:

  • Eine laufende OpenClaw-Instanz
  • Einen konfigurierten LLM-Anbieter (lokal oder Cloud)
  • Einen funktionierenden Anfrage-Antwort-Zyklus

Wenn Sie den GPU-Pfad gewählt haben, findet die Inferenz lokal über Ollama statt.

Wenn Sie den CPU-Pfad gewählt haben, findet die Inferenz über Claude Sonnet 4.6 statt, während Orchestrierung, Routing und Speicherhandling in Ihren lokalen Docker-Containern ausgeführt werden.

Die sichtbare Interaktion mag einfach aussehen. Darunter koordinieren mehrere Komponenten, um Ihre Anfrage zu verarbeiten.

Fehlerbehebung bei OpenClaw-Installation und Laufzeitproblemen

Modell antwortet nicht

  • Überprüfen Sie Ihre .env-Konfiguration.
  • Prüfen Sie die Container-Logs:
docker compose logs

Ollama nicht erreichbar

  • Bestätigen Sie, dass Ollama läuft:
ollama list
  • Stellen Sie sicher, dass die Basis-URL mit Ihrer Umgebung übereinstimmt.

Ungültiger API-Schlüssel

  • Überprüfen Sie ANTHROPIC_API_KEY
  • Starten Sie die Container nach dem Aktualisieren von .env neu

GPU wird nicht genutzt

  • Bestätigen Sie, dass GPU-Treiber installiert sind.
  • Stellen Sie sicher, dass Docker über GPU-Zugriff verfügt.

Nächste Schritte nach der Installation von OpenClaw

Sie verfügen nun über eine funktionierende OpenClaw-Instanz.

Von hier aus können Sie:

  • Messaging-Plattformen verbinden
  • Dokumentabruf aktivieren
  • Routing-Strategien testen
  • Observability und Metriken hinzufügen
  • Leistung und Kostenverhalten optimieren

Die tiefergehenden architektonischen Diskussionen ergeben mehr Sinn, sobald das System läuft.

Den Betrieb aufzunehmen ist der erste Schritt.

Sobald es läuft, sind die natürlichen nächsten Artikel:

  • OpenClaw-Plugins-Leitfaden — welche Plugins für Speicher, Tools, Kanäle und Observability installiert werden sollen und wie der Lebenszyklus funktioniert
  • OpenClaw-Skills-Leitfaden — welche Skills von ClawHub installiert werden sollten und wie sie sicher je Agentenrolle gesteuert werden können
  • OpenClaw-Produktivkonfigurationsmuster — wie Plugins und Skills für echte Benutzertypen wie Entwickler, Automatisierungsteams, Forscher und Supportmitarbeiter kombiniert werden

Für weitere KI-Systeme-Fallstudien sehen Sie den Bereich KI-Systeme.

Abonnieren

Neue Beiträge zu Systemen, Infrastruktur und KI-Engineering.