OpenClaw 2.0 macht aus einem persönlichen KI-Assistenten deutlich stärker eine Arbeitsumgebung für Teams, Geräte und spezialisierte Agenten. Die größte Änderung ist nicht ein einzelnes Feature, sondern die Kontrolle darüber, was mehrere Agenten parallel tun dürfen – und wer dabei zusieht.

Ein KI-Agent, der eine Aufgabe erledigt, ist nett. Drei Agenten, die gleichzeitig recherchieren, Dateien prüfen und Ergebnisse zusammenführen, sind etwas anderes: plötzlich werden Rechte, Zuständigkeiten, Kosten und Transparenz zum eigentlichen Thema. Genau dort setzt OpenClaw 2.0 an. Die Version 2026.8.1 erschien am 31. August und ist laut Projekt die bislang größte Veröffentlichung.

Wer OpenClaw bisher als lokalen Chat mit ein paar Werkzeugen wahrgenommen hat, muss umdenken. Das Update rückt Agententeams, gemeinsam nutzbare Sitzungen, Cloud-Worker, Berechtigungen und dauerhafte Arbeitsstände ins Zentrum. Das klingt zunächst nach Enterprise-Vokabular. Für kleine Teams und Einzelunternehmerinnen und Einzelunternehmer ist es aber mindestens genauso interessant: Wiederkehrende Recherche, Monitoring oder Content-Arbeit lässt sich sauberer aufteilen, ohne dass jede Aufgabe in einem undurchsichtigen Chat verschwindet.

Wir bei digital-magazin.de haben uns die Release Notes und die praktische Konsequenz genauer angeschaut. Die kurze Antwort: OpenClaw 2.0 macht Agenten nicht magisch klüger. Es schafft aber die Infrastruktur, damit mehrere Agenten weniger chaotisch zusammenarbeiten.

OpenClaw 2.0: Der Wechsel vom Chat zum Arbeitsraum

Die offizielle Release-Ankündigung zu OpenClaw 2026.8.1 liest sich fast wie ein Neubau bei laufendem Betrieb: Installation, Speicher, Messaging, Skills, Modelle, Automatisierungen, Browser, native Apps, Plugins und Sicherheit wurden angefasst. Das ist ein breiter Umbau – mit allen Chancen und Reibungen, die große Releases nun einmal mitbringen.

Der sichtbarste Teil ist die Sitzung selbst. Sie kann über das bisherige Gateway hinaus auf gekoppelte Geräte oder Cloud-Worker verlagert werden; Arbeitsbereich und Kontext reisen mit. Eine dauerhafte Fortschrittskarte zeigt dabei nach einem Reload weiter, was läuft. Wer schon einmal einen langen Agentenjob beobachtet hat, kennt den Unterschied: Statt eines stummen Fensters gibt es einen nachvollziehbaren Arbeitsstand.

Das ist keine bloße Kosmetik. Sobald ein Agent Dateien ändert, eine Webrecherche ausführt oder mit einem anderen Agenten zusammenarbeitet, braucht das Team eine Antwort auf die banalste und wichtigste Frage: Was passiert gerade? OpenClaw 2.0 zeigt Subagenten-Aktivität und anfallende Änderungen über Web- und native Chats hinweg. Damit wird aus dem Black-Box-Gefühl eher ein Kontrollraum – jedenfalls, wenn die Aufgaben klar formuliert sind.

Agententeams: Rollen statt Agenten-Wildwuchs

OpenClaw 2.0 führt Rollen für Team-Operatoren ein. Verifizierte Personen können Rollen erhalten, die begrenzen, auf welche Agenten, Sitzungen und Operator-Bereiche sie zugreifen dürfen. Das klingt trocken, ist aber der Unterschied zwischen einem brauchbaren Team-Setup und dem gemeinsamen Passwort auf einem gelben Zettel.

In der Praxis lässt sich das etwa so denken: Ein Recherche-Agent darf Webquellen auswerten, ein Redaktions-Agent bearbeitet nur einen Projektordner, ein Publishing-Agent kann Beiträge vorbereiten, aber keine Plugin-Installationen auslösen. Menschen im Team sehen nicht automatisch jede fremde Sitzung. Diese Trennung ist ausdrücklich keine Abschottung für feindliche Mandanten, sondern eine Kollaborationskontrolle. Die Nuance ist wichtig: Rechte helfen gegen Versehen und Zuständigkeitschaos, sie ersetzen keine Sicherheitsarchitektur für hochsensible Mehrmandanten-Umgebungen.

Hinzu kommt ein gemeinsamer Credential Store in SQLite. Geheimnisse bleiben dort schreibgeschützt: Teams können einen Eintrag verwalten, ohne dass sein Wert beim Nachsehen ausgegeben wird. Geschützte Ausgänge lassen sich an deklarierte Hosts binden. Für API-Schlüssel ist das ein deutlich erwachsenerer Ansatz als die berühmte Umgebungsvariable, die irgendwann in einem Chat-Protokoll, einem Screenshot oder einer Copy-paste-Orgie landet.

Besonders gut gefällt uns der kleine, aber wichtige Gegenentwurf zum Dauer-Admin: Plugin-Installationen und Updates zeigen Quelle, Version, Fähigkeiten und das konkrete Artefakt. Bei beliebigen ausführbaren Plugin-Quellen verlangt die CLI künftig eine bewusste Bestätigung. Wer Agenten Zugriff auf Werkzeuge gibt, sollte bei Erweiterungen ohnehin misstrauisch sein. Bequemlichkeit ist hier kein Sicherheitskonzept.

Swarm und A2A: Wie mehrere KI-Agenten zusammenarbeiten

Die spektakulärste Neuerung trägt ein passendes Etikett: Experimental Swarm. In den Labs kann OpenClaw begrenzte parallele Subagenten starten, strukturierte Resultate abwarten und ihren Fortschritt verfolgen. Das ist kein Freifahrtschein, zwanzig autonome Digitalpraktikanten loszulassen. Es ist ein Werkzeug für klar abgegrenzte Teilaufgaben.

Ein sinnvolles Beispiel: Ein Agent sammelt Primärquellen, ein zweiter prüft Gegenargumente, ein dritter sucht im Projekt nach passenden internen Links. Der führende Agent führt die Ergebnisse zusammen. Diese Aufteilung spart Zeit, wenn die Teilaufgaben unabhängig sind. Wenn alle an derselben Datei herumschreiben oder dieselbe Entscheidung ohne gemeinsame Kriterien treffen, vervielfacht sie nur den Lärm.

Daneben gibt es einen optionalen A2A-1.0-Kanal. Darüber können konfigurierte Peer-Agenten authentifizierte Textaufgaben, Statusabfragen und Nachrichten austauschen. Das ist der technisch nüchterne Baustein hinter der größeren Idee: Agenten sollen nicht nur Unteraufgaben im selben Lauf übernehmen, sondern auch als getrennte Gegenüber arbeiten können. Wer tiefer in das Thema einsteigen möchte, findet in unserem Beitrag über die Organisation von KI-Agenten wie in einer Firma eine gute Gegenfolie.

OpenClaw 2.0 ergänzt außerdem Workboards, Ziele und strukturierte Rückfragen. Agenten können eine Frage als Karte, Button oder Freitext-Anfrage stellen; für wiederkehrende Arbeit gibt es genehmigungsgebundene Berechtigungen. Ein einmal erteiltes Okay gilt dabei nur für die exakt beschriebene Operation. Ändert sich der Job, ist eine neue Freigabe nötig. So sollte Automatisierung funktionieren: präzise, widerrufbar und nicht nach dem Motto „wird schon passen“.

Für die Planung heißt das auch: Nicht jede Aufgabe braucht einen Schwarm. Ein einzelner Agent mit guten Werkzeugen ist für einen klaren Handgriff oft schneller, günstiger und leichter zu prüfen. Parallele Agenten lohnen sich erst, wenn unterschiedliche Perspektiven oder Datenquellen wirklich getrennt bearbeitet werden können. Diese Unterscheidung verhindert den verbreiteten Irrtum, dass ein aufwendiger Ablauf automatisch ein besserer Ablauf sei.

Wer dabei eher auf offene Bausteine statt auf eine einzige Plattform setzt, findet in unserem Überblick zu Nvidia NemoClaw und Open-Source-KI-Agenten eine sinnvolle Ergänzung. OpenClaw 2.0 ist stark bei der Orchestrierung des Arbeitsalltags; die eigentliche Modell- und Tool-Landschaft bleibt bewusst heterogen. Das ist anstrengender als ein abgeschlossener Assistent, aber für Teams oft die ehrlichere Architektur.

Automatisierung bekommt ein Gedächtnis

Ein weiterer Schwerpunkt von OpenClaw 2.0 ist Persistenz. Unterhaltungen bleiben standardmäßig über Leerlaufzeiten und Tageswechsel erhalten, wenn keine andere Reset-Regel gesetzt ist. Die Suche kann vergangene Gespräche nach exakten Wörtern oder Phrasen durchforsten und den passenden Ausschnitt wieder öffnen. Für längere Projekte ist das Gold wert. Für unaufgeräumte Chats ist es ein freundlicher Hinweis, endlich sauber zu arbeiten.

Mit Active Memory kann OpenClaw auf persönlichen Installationen begrenzten privaten Gesprächskontext desselben Agenten zurückholen. Gruppen und Kanäle sind davon ausgenommen. Zusätzlich konsolidiert „Grounded Dreaming“ Hintergrundwissen in ein Langzeitgedächtnis, das seine Herkunft kennt. Die Funktion lässt sich abschalten. Das sollte man wissen, bevor man aus Gewohnheit jede Idee, jeden Token und jede halbfertige Notiz in denselben Agenten kippt.

OpenClaw Agenten: Berechtigungen und Zugriffskarten im Team — Berechtigungen und Geheimnisse gehören bei KI-Agenten zum Arbeitsablauf, nicht in eine Nebenbei-Notiz (Symbolbild)

Neu ist auch das automatische Lernen: starke, wiederverwendbare Erkenntnisse können als Lernmaterial erfasst und scanner-geprüfte neue oder Workshop-eigene Skills standardmäßig angewendet werden. Von Nutzenden selbst geschriebene Skill-Änderungen bleiben dagegen als Vorschlag stehen. Diese Unterscheidung ist vernünftig. Ein System darf Routinewissen verdichten; es sollte nicht stillschweigend die handgepflegten Regeln eines Teams umschreiben.

Automatisierungen werden stärker an die Unterhaltung gebunden, aus der sie entstanden sind. Der owner-only Befehl /loop erlaubt feste Intervalle oder selbstgetaktete Prüfungen. Die offizielle Dokumentation zu Cron-Jobs bleibt dabei Pflichtlektüre: Ein regelmäßiger Agentenlauf ist keine Spielerei, sondern eine kleine Produktionsumgebung. Er braucht ein klares Ziel, Grenzen und einen Adressaten für Ergebnisse.

Praktischer Start: Ein Team, drei klar getrennte Aufgaben

Der beste Einstieg in OpenClaw 2.0 ist erstaunlich unspektakulär. Nehmen Sie eine Aufgabe, deren Ergebnis sich überprüfen lässt und die bisher regelmäßig Zeit frisst. Ein wöchentlicher Marktüberblick, ein technischer Qualitätscheck oder eine strukturierte Presseauswertung eignen sich besser als der Versuch, gleich die komplette Kundenkommunikation zu automatisieren.

Dann teilen Sie die Arbeit nicht nach vermeintlicher Intelligenz auf, sondern nach Schnittstellen. Agent eins sammelt Quellen und notiert nur überprüfbare Fakten mit Links. Agent zwei liest diese Quellen kritisch gegen und markiert Lücken, Widersprüche oder Behauptungen ohne Beleg. Agent drei durchsucht den eigenen Wissensbestand nach bereits erledigter Arbeit. Erst ein führender Agent formuliert daraus das Ergebnis. Diese Reihenfolge verhindert, dass drei Sprachmodelle dieselbe Behauptung in drei Varianten wiederholen und sich dabei gegenseitig beeindruckend finden.

Für jede Rolle sollten Sie drei Dinge festlegen: welche Daten sie lesen darf, welche Werkzeuge sie wirklich braucht und wo ihr Ergebnis landet. Ein Agent, der nur recherchiert, benötigt keine Schreibrechte im Projektordner. Ein Agent, der einen Entwurf baut, benötigt keine Berechtigung, ihn zu veröffentlichen. Und ein Publishing-Agent sollte niemals nebenbei frei im Web nach neuen Erweiterungen suchen dürfen. Das klingt streng. Es macht Fehlersuche aber dramatisch einfacher.

Die Fortschrittskarten sind dabei mehr als ein Statussignal. Sie liefern eine natürliche Stelle für menschliche Kontrolle. Legen Sie fest, an welchem Punkt eine Entscheidung nötig ist: nach der Quellensammlung, vor einer externen Aktion oder bei Kosten über einem definierten Rahmen. OpenClaw kann strukturierte Fragen über Karten, Buttons oder Text stellen; nutzen Sie das. „Autonom“ bedeutet im guten Fall nicht „unbeobachtet“, sondern „arbeitet innerhalb klarer Leitplanken“.

Auch Kosten gehören in diese Leitplanken. Parallel laufende Agenten können gleichzeitig Modelle, Such-APIs, Browser oder Cloud-Worker ansprechen. Eine schnelle Aufgabe wird dadurch nicht kostenlos, nur weil sie hübsch auf mehrere Prozesse verteilt ist. Wer mit externen Modellen arbeitet, sollte daher ein kleines Budget pro Lauf, ein Zeitlimit und ein maximales Parallelitätslimit definieren. Das sind keine Bremsklötze. Sie machen aus einem Demo-Setup eine verlässliche Routine.

Ein sinnvoller Test endet nicht mit „hat funktioniert“. Prüfen Sie, wie viele Quellen belastbar waren, wie viele menschliche Eingriffe nötig wurden, wie lange der Ablauf dauerte und ob das Ergebnis ohne Nacharbeit verwendbar war. Erst wenn diese Werte über einige Läufe stabil sind, lohnt sich der nächste Schritt. Der Gedanke passt auch zu unserem Blick auf Agenten, die über geschäftliche Systeme handeln sollen: Handlungsspielraum wächst am besten langsamer als die Fähigkeit zur Kontrolle.

Und noch ein ganz praktischer Punkt: Planen Sie einen Rückweg ein. Jede Automatisierung sollte einen eindeutigen Abbruch, ein sichtbares Log und einen Zustand haben, der nach einem Fehler nicht erst durch Handarbeit erraten werden muss. Das ist bei einem einzelnen Chat nett. Bei Agententeams ist es Pflicht. Gerade die neuen Fortschrittskarten, die über Reloads erhalten bleiben, können diesen Rückweg sichtbar machen – sofern das Team sie als Kontrollpunkt nutzt und nicht als hübsche Tapete.

Was Administratorinnen und Administratoren vor dem Update prüfen sollten

Das „2.0“ im Namen soll niemanden dazu verleiten, einfach auf Aktualisieren zu klicken und Kaffee zu holen. Die Release Notes nennen zwei wichtige Umstellungen: Das gebündelte OpenProse-Plugin und der Befehl /prose fallen weg; außerdem wandern ausgelieferte codex/*– und openai-codex/*-Modellreferenzen auf openai/*. OpenClaw empfiehlt dafür openclaw doctor --fix.

Vorher gilt: Konfiguration und Zustand sichern. Nachher: Gateway starten, Migrationen prüfen, Agenten mit echten Aufgaben testen. Die Dokumentation zum Diagnosewerkzeug doctor beschreibt die Reparaturwege. Besonders bei eigenen Plugins ist Eile fehl am Platz, denn am 1. September greifen weitere SDK-Deprecations. Das sind angekündigte Schranken, keine bereits vollzogenen Löschungen – ignorieren sollte man sie trotzdem nicht.

Die neue Standard-Parallelität richtet sich nach der verfügbaren CPU und liegt ohne explizite Vorgabe zwischen acht und 16 obersten Agentenläufen. Das kann auf einem kräftigen Server praktisch sein. Auf einer Maschine, die nebenbei Datenbanken, Browser-Automatisierung oder andere Dienste trägt, ist eine bewusst niedrigere Grenze oft die bessere Idee. Parallelität ist kein Qualitätsmerkmal. Sie ist ein Verbrauchsregler für CPU, Speicher, externe APIs und Aufmerksamkeit.

Backup: Konfiguration und State vor der Migration sichern; OpenClaw bietet zudem versionierte SQLite-Snapshots.
Modelle: Alte Codex-Routen, Allowlist und Fallbacks nach der Migration kontrollieren.
Plugins: Eigene Erweiterungen gegen die angekündigten SDK-Änderungen prüfen.
Rechte: Teamrollen, Credential Store und Ausführungsrechte nicht blind aus dem alten Setup übernehmen.
Last: Parallelität an die reale Hardware und an kostenpflichtige Tool-Aufrufe anpassen.

OpenClaw 2.0 ist stärker – aber nicht autonomer als seine Regeln

Es wäre leicht, die neue Oberfläche, Swarm und Cloud-Worker als Weg zum selbstlaufenden Unternehmen zu verkaufen. Das wäre Quatsch. Mehrere Agenten machen Fehler schneller und teurer, wenn ihre Aufgaben schlecht abgegrenzt sind oder Freigaben zu großzügig ausfallen. Genau deshalb sind Rollen, sichtbare Fortschrittskarten, eng gefasste Automatisierungsrechte und nachvollziehbare Änderungen die wertvolleren Neuerungen als jede Demonstration mit zehn parallelen Bots.

Wer OpenClaw als persönlichen Assistenten nutzt, bekommt mit 2.0 eine aufgeräumtere Basis: Gesprächssuche, langlebige Sitzungen, bessere Browser- und Mobile-Anbindung. Teams erhalten Werkzeuge für Zuständigkeiten und gemeinsame Infrastruktur. Technisch versierte Organisationen können mit A2A, Cloud-Workern und Swarm experimentieren. Allen gemeinsam ist eine Pflicht: erst eine kleine, messbare Aufgabe automatisieren – und nicht gleich den halben Betrieb an eine Prompt-Kette hängen.

Unser Urteil: OpenClaw 2.0 ist kein Feature-Feuerwerk um seiner selbst willen. Die Version verschiebt das Projekt in Richtung einer kontrollierbaren Agentenplattform. Das ist die richtige Baustelle. Denn wenn KI-Agenten mehr dürfen, müssen Menschen besser sehen, begrenzen und zurückholen können, was sie tun.