OpenClaw im Test: Open-Source-AI-Agent für DSGVO-konforme Marketing-Workflows
OpenClaw ist im März 2026 von 100k auf 247k GitHub-Stars gesprungen, der Gründer wechselte zu OpenAI. Was bleibt: ein selbst-hostbarer KI-Agent, der Skills mit Slack, Telegram, WhatsApp und MCP verbindet — und tatsächlich Aktionen ausführt.
Im Februar 2026 hatte das Repository 100.000 GitHub-Stars. Im März 2026 waren es 247.000 Stars und 47.700 Forks. Im April hat OpenAI bekannt gegeben, dass Peter Steinberger — der Wiener Entwickler hinter OpenClaw — als Lead für die nächste Generation persönlicher Agenten zu OpenAI wechselt. Das Projekt selbst zieht in eine Foundation und bleibt Open Source. Sam Altman nennt das Team "core to our future". So ein Wachstum sieht man selten, und es lohnt sich, kurz hinzuschauen, was davon Marketing-relevant ist und was nicht.
Die kurze Antwort vorweg: OpenClaw ist der erste KI-Agent, der drei Eigenschaften kombiniert, die für DACH-B2B bisher nicht zusammenkamen — Self-Hostable, Bring-Your-Own-LLM-Key und echte Aktionen statt nur Chat. Wer die DSGVO ernst nimmt und trotzdem Slack-, Telegram- oder WhatsApp-Workflows automatisieren will, hat hier zum ersten Mal eine ernsthafte Option.
Was OpenClaw macht — und was nicht
OpenClaw ist ein lokal laufender Agent-Server, an dem du Channels (Slack, Telegram, Discord, WhatsApp, iMessage, Microsoft Teams, Matrix, IRC, weitere 15+) und Skills (Python-, Shell- oder MCP-Pakete mit SKILL.md) andockst. Du schreibst dem Bot in deinem gewohnten Messenger, der Bot interpretiert das, sucht das passende Skill heraus und führt es aus — Mail verschicken, Kalendar-Slot blocken, Hubspot-Deal anlegen, Recherche-Auftrag in eine Markdown-Datei schreiben.
Der Kern ist das Gateway, das Sessions, Channels und Tools zentral orchestriert. Multi-Agent-Routing erlaubt es, unterschiedliche Messenger oder Accounts auf isolierte Agent-Workspaces zu mappen — der Slack-Bot des Marketing-Teams sieht andere Skills als der Telegram-Bot der Geschäftsführung. Skills werden nicht als kompilierte Plugins eingebunden, sondern als Verzeichnisse mit YAML-Frontmatter und Markdown-Anweisungen. Das hat einen Riesenvorteil: Du kannst ein Skill in 15 Minuten selber bauen, ohne den Agent neu zu starten oder einen Build-Prozess zu durchlaufen.
Was OpenClaw nicht ist: kein Browser-Automation-Tool wie Manus, kein Code-Interpreter wie Claude Code, kein Workflow-Builder wie n8n. Es ist ein dünner Orchestrator, der die Verbindung zwischen einem LLM, einem Messenger und deinen Tools herstellt. Die Intelligenz kommt von dem Modell, das du anschließt — die Aktionen kommen von den Skills, die du installierst. OpenClaw selbst ist Klebstoff, kein Gehirn.
Drei Marketing-Use-Cases, die DSGVO-sauber funktionieren
1. Inhouse-Recherche-Agent im Slack. Du baust dir einen @research-Bot, der auf Zuruf Wettbewerber-Profile recherchiert, GSC-Daten zieht, Pressemeldungen scannt. Setup: OpenClaw auf einem Hetzner-Cloud-Server in Falkenstein (4,50 €/Monat), Slack-Channel verbunden, ein selbst-gehostetes SearXNG-Skill für die Web-Suche, Anthropic-API-Key für Claude Sonnet als LLM. Wer maximale DSGVO-Sauberkeit braucht, ersetzt Claude durch ein lokales Llama 3.3 70B oder Mistral Large via Ollama — dann verlassen die Recherche-Prompts deine Infrastruktur nie. Das ist mit einer Cloud-Lösung wie Manus oder dem ChatGPT Connector technisch nicht möglich.
2. Content-Pipeline mit Telegram als Frontend. Du diktierst per Telegram-Sprachnachricht eine Brief-Idee, der OpenClaw-Bot transkribiert (lokales Whisper-Skill), legt einen Markdown-Draft im Notion-Workspace an, taggt das Brief in Asana und schickt dir eine Zusammenfassung zurück. Drei Skills, ein Channel, alles dokumentiert in Git. Die Pipeline läuft genauso, wenn du im ICE sitzt oder auf Konferenz bist — dein "CMS" ist dein Messenger. Für Solo-Marketers und kleine Teams ist das produktiver als jeder klassische Editorial-Workflow, weil die Reibung beim Erfassen weg ist.
3. MarTech-Integration über MCP. OpenClaw spricht Model Context Protocol — du kannst HubSpot, Linear, Google Calendar, GitHub und Linear nativ über MCP-Server anbinden, ohne pro Tool ein eigenes Skill zu schreiben. Konkret: Ein MCP-Skill verbindet OpenClaw mit deinem HubSpot, der Bot kann dann auf "Erstelle Deal für Müller GmbH, Volumen 30k" reagieren. Es gibt einen dedizierten MCP-Bridge zu Claude.ai, wenn du den Agent zusätzlich aus dem Claude-Web-UI ansteuern willst. Der Vorteil gegenüber Zapier oder Make: kein SaaS-Mittelsmann, keine 1000-Tasks-Limits, keine Daten in US-Cloud.
OpenClaw vs. Anthropic Managed Agents vs. AutoGPT vs. Manus
Diese vier sind nicht austauschbar, sie lösen unterschiedliche Probleme.
Anthropic Managed Agents sind Cloud-only, aber Production-grade — Anthropic hostet den Agent, du bekommst Tool-Use, Memory und Compaction frei Haus. Für DACH-B2B mit echten Personenbezugsdaten ist das ein Drittland-Transfer und braucht AVV plus rechtliche Würdigung. Nimm das, wenn du keine Sensitivdaten verarbeitest, schnell live willst und Skalierung wichtiger ist als Daten-Hoheit.
AutoGPT war 2023 der Pionier, ist 2026 weitgehend Geschichte. Das ursprüngliche Projekt hat Wartungs-Probleme, die meisten Nachfolger sind stehen geblieben. Wenn du heute "AutoGPT" hörst, denk in den meisten Fällen "Forschungs-Prototyp, nicht produktiv".
Manus ist ein chinesisches SaaS, das Browser-Automation und Recherche-Tasks sehr gut macht. Closed-Source, eigener Modell-Stack, Daten gehen in eine Cloud unbekannter Region. Stark für einmalige Recherche-Reports — schwach, wenn du wiederkehrende Workflows oder Daten-Hoheit brauchst.
OpenClaw ist der einzige in dieser Reihe, bei dem du die Architektur selbst kontrollierst. Du wählst das LLM (Claude, GPT, Gemini, Llama lokal), du wählst den Server-Standort, du auditierst die Skills selbst. Das hat einen Preis: Setup, Wartung, Skill-Auditing landen bei dir. Aber für Teams, die regelmäßig wiederkehrende Marketing-Workflows betreiben — Newsletter, Recherche, CRM-Updates, Reporting — amortisiert sich der Aufwand in wenigen Wochen.
Faustregel: Manus für einmalige Recherchen, Anthropic Managed Agents für nicht-sensitive Skalierung, OpenClaw für wiederkehrende Workflows mit Daten-Hoheit, AutoGPT für Nostalgie.
Setup-Realität: Wie kompliziert ist's?
OpenClaw läuft wahlweise per Docker Compose auf einem eigenen Server oder als Cloud-Variante über Hosting-Plattformen wie OneClaw. Self-Host-Setup auf einem frischen Ubuntu-Server: Repo klonen, .env mit deinem Anthropic- oder OpenAI-Key befüllen, docker compose up, Channel-Token (Slack-Bot-Token, Telegram-Bot-Token) eintragen, fertig. Realistisch zwischen 30 und 90 Minuten für einen Server, der grundlegend funktioniert — länger, wenn du Skills auditieren und konfigurieren willst.
Das BYO-LLM-Key-Modell ist der entscheidende Hebel: Du legst einen Anthropic-, OpenAI-, Mistral- oder lokalen Ollama-Endpoint in die Config, OpenClaw fragt diesen für jede Inferenz an. Pricing fällt also in zwei Kategorien — Server-Hosting (wenige Euro pro Monat auf Hetzner oder Scaleway) plus dein eigener LLM-Verbrauch. Bei einem aktiven Marketing-Team sind das oft 20-80 € im Monat für Claude oder GPT, plus 5-10 € Server. Das skaliert deutlich besser als Per-Seat-Lizenzen bei vergleichbaren SaaS-Agenten.
Was du im Setup unbedingt beachten solltest: Skills aus dem ClawHub-Marketplace nicht ungeprüft installieren. Eine Sicherheits-Analyse Anfang 2026 hat gezeigt, dass etwa 17 % der dort gelisteten Community-Skills problematischen Code enthielten. Skill-Audit ist ein Pflichtschritt — wie bei jedem npm- oder pip-Paket.
Limits, Risiken, wann's NICHT die Antwort ist
OpenClaw ist kein Tool für nicht-technische Solo-Marketers. Wer keinen Server bedienen kann, keine Docker-Logs lesen will und keine Lust hat, Skills zu auditieren, ist bei einer Managed-Lösung wie Manus oder ChatGPT Custom GPTs besser aufgehoben.
DSGVO-Konformität ist kein Geschenk durch Self-Hosting — sie ist eine Konsequenz aus deinen Konfigurationsentscheidungen. Wer OpenClaw mit Claude in der US-Cloud betreibt, hat einen Cloud-LLM-Aufruf, AVV-Pflicht inklusive. Erst die Kombination aus selbst-gehostetem Server und lokalem LLM via Ollama gibt dir den vollen Datenschutz-Vorteil.
Und das Skill-Ökosystem ist jung. Viele Community-Skills sind alpha, undokumentiert oder von Einzelpersonen gewartet. Plane Zeit für eigene Skill-Entwicklung ein, wenn du spezifische Marketing-Tools brauchst.
Fazit
OpenClaw ist 2026 das interessanteste Open-Source-Projekt im KI-Agent-Bereich — nicht wegen der Hype-Kurve, sondern weil es eine Architektur-Lücke schließt, die für DACH-B2B-Marketing seit Jahren offen war. Wer wiederkehrende Workflows hat, Daten-Hoheit braucht und ein bisschen Server-Skills mitbringt, sollte sich diese Woche zwei Stunden Zeit nehmen und einen Test-Agent aufsetzen. Wer reinen Self-Service oder Production-SLA will, wartet auf die Foundation-Variante oder bleibt bei Anthropic Managed Agents. Praxis statt Hype: hier zum ersten Mal mit echtem Substanz-Sprung.