Von Clawdbot zu OpenClaw: Warum der Mac mini zum Standard-Host für lokale KI wurde

Im Januar 2026 schaffte es ein Open-Source-KI-Assistent in weniger als zwei Wochen vom Wochenendprojekt in die Schlagzeilen von CNN, Fortune und CNBC. Er wurde zweimal umbenannt, löste einen Krypto-Scam über 16 Mio. € aus, inspirierte ein soziales Netzwerk mit 1,5 Mio. KI-Agenten und machte irgendwie Apples günstigsten Desktop zum meistdiskutierten Stück Hardware in der Tech-Welt.

Das ist die Geschichte von OpenClaw – die chaotischen Rebrands, das Trademark-Drama und die eher unerwarteten Gründe, warum ein kompakter Apple-Rechner zur Default-Plattform für persönliche KI-Assistenten wurde.

Egal, ob du dein eigenes OpenClaw-Mac-mini-Setup bauen willst oder einfach nur das Phänomen verfolgst: Wenn du verstehst, wie wir hierher gekommen sind, erkennst du auch besser, wohin sich Local AI entwickelt.

Wer hat OpenClaw entwickelt – und warum?

Peter Steinberger, ein österreichischer Unternehmer, der seine PDF-Softwarefirma PSPDFKit für rund 100 Mio. € verkauft hat, baute die erste Version in nur einer Stunde – nachdem er jahrelang darauf gewartet hatte, dass Big Tech etwas Vergleichbares auf den Markt bringt.

Steinberger war kein Unbekannter.

PSPDFKit lieferte PDF-Tools für Dropbox, Salesforce und Disney. Nach dem Verkauf an Insight Partners im Jahr 2021 nahm er sich eine dreijährige Auszeit – und landete in dem, was er später als „tiefe existenzielle Leere“ beschrieb. Seine GitHub-Aktivität ging praktisch auf null.

Dann klappte er im April 2025 seinen Laptop wieder auf. Eigentlich wollte er ein Twitter-Analyse-Tool bauen, hatte aber keine Web-Dev-Erfahrung. AI-assisted Coding änderte alles.

Innerhalb weniger Monate prototypisierte er etwas deutlich Ambitionierteres: einen KI-Assistenten, der in WhatsApp „lebt“ und in deinem Namen Aktionen ausführen kann. Seine X-Bio fasst es gut zusammen: „Came back from retirement to mess with AI.“ (Kam aus dem Ruhestand zurück, um mit KI zu experimentieren.)

Was ist mit dem Namen Clawdbot passiert?

Das Legal-Team von Anthropic erzwang nur zwei Tage nach dem viralen Launch eine Namensänderung, weil „Clawdbot“ zu nah an der Marke „Claude“ war – und damit einen der chaotischsten Rebrands in der Open-Source-Geschichte auslöste.

Der ursprüngliche Name war ein spielerischer Mix aus Claude und einem Hummer-Maskottchen. Am 25. Januar 2026 wurde Clawdbot öffentlich gelauncht und erreichte innerhalb von 24 Stunden 9.000 GitHub-Stars. Zwei Tage später forderte Anthropic ein Rebranding. Steinberger ging nicht dagegen an – er benannte in „Moltbot“ um (das ist das, was Hummer tun, wenn sie aus ihrem Panzer rauswachsen).

Dann wurde es wild.

In den ungefähr zehn Sekunden zwischen dem Freigeben der alten Social-Media-Handles und dem Sichern neuer haben Krypto-Scammer beide Accounts gekapert.

Ein Fake-Clawdbot-Token tauchte auf Solana auf und erreichte eine Market Cap von 16 Mio. € – bevor alles kollabierte. Bis zum 30. Januar benannte Steinberger erneut um, diesmal in „OpenClaw“, und gab zu, Moltbot habe „nie wirklich gut über die Lippen“ wollen.

Drei Namen in fünf Tagen – und jeder Rebrand hat den Hype nur weiter beschleunigt.

Wie schnell ist OpenClaw wirklich gewachsen?

OpenClaw wurde zu einem der am schnellsten wachsenden Repositories in der GitHub-Historie und schoss in rund drei Wochen von 2.000 Stars auf über 168.000 – eine Dynamik, die selbst erfahrene Beobachter aus dem Silicon Valley überrascht hat.

Mitte Januar hatte das Projekt etwa 2.000 Stars. Der öffentliche Launch am 25. Januar brachte 9.000 an einem Tag. Zwei Tage später, mitten im Rebrand-Chaos, überschritt es 60.000.

Bis zum 30. Januar lag es bei über 114.000. Anfang Februar gewann das Repository täglich 10.000–17.000 Stars.

OpenAI-Mitgründer und ehemaliger Tesla-AI-Direktor Andrej Karpathy nannte es „genuinely the most incredible sci-fi takeoff-adjacent thing I have seen recently.“ Zum Vergleich: Tailwind CSS – eines der populärsten Dev-Tools weltweit – hat ungefähr 93.000 Stars. OpenClaw ist daran in wenigen Wochen vorbeigezogen.

Was macht OpenClaw anders als ein Chatbot?

Anders als Tools, die nur auf Prompts reagieren, macht OpenClaw wirklich Dinge – es liest E-Mails, managt Kalender, steuert Smart-Home-Geräte und meldet sich proaktiv über Messaging-Apps, die du ohnehin nutzt.

Die Community beschreibt es als „ein smartes Modell mit Augen und Händen am Schreibtisch“. ChatGPT und Claude leben in Browser-Tabs und warten, bis du etwas eintippst.

OpenClaw läuft auf deiner Maschine, verbindet sich mit WhatsApp, Telegram, iMessage, Slack, Discord und Signal und führt autonome Aktionen aus. Es kann Shell-Commands ausführen, Dateien organisieren, Code nach GitHub committen und dich sogar für Flüge einchecken.

Es lernt außerdem.

OpenClaw behält ein dauerhaftes Gedächtnis über Gespräche hinweg und passt sich mit der Zeit deinen Präferenzen an. Über das erweiterbare Skills-System auf ClawHub hat die Community Integrationen für alles Mögliche gebaut – von Spotify bis zur Smart-Home-Steuerung.

Steinbergers Beschreibung trifft es ziemlich gut: „It’s not a generic agent. It’s your agent, with your values.“ (Es ist kein generischer Agent. Es ist dein Agent, mit deinen Werten.)

Warum ist der Mac mini zum Community-Standard geworden?

Der Mac mini wurde zum Default-Host für OpenClaw – nicht, weil Steinberger ihn empfohlen hätte, er riet sogar davon ab –, sondern weil er der günstigste Weg zu macOS ist, das für das Feature nötig ist, das die meisten US-Nutzer wollen: iMessage-Integration.

Der Mac mini wurde nicht deshalb zum Default-Host, weil Steinberger ihn empfohlen hätte — er hat explizit gesagt, man solle keinen kaufen — sondern weil die Community etwas brauchte, das der Creator nicht priorisiert hat: dedizierte Always-on-Hardware, die im Alltag einfach „verschwindet“.

Der Grund war nicht nur ein Punkt. Es war ein Stack aus praktischen Faktoren, die alle auf dieselbe Box gezeigt haben:

• Always-on ist der Default. Der Vorteil von OpenClaw kommt aus Persistenz — Heartbeat-Monitoring, Cronjobs, proaktive Erinnerungen. Dafür brauchst du Hardware, die nicht schläft, sobald dein Laptopdeckel zugeht. Der Mac mini ist klein, stabil und stromsparend – wie ein Homeserver, den du einfach laufen lässt — und bei 3–4 W im Leerlauf kostet das ungefähr 1–2 €/Monat an Strom.
• Leiser Betrieb. Mehrere Guides nennen das als Hauptvorteil: Du kannst ihn ins Schlafzimmer oder Büro stellen, ohne überhaupt etwas zu hören. Für ein Gerät, das 24/7 laufen soll, ist die Geräuschentwicklung wichtiger als Benchmarks.
• Apple-Ökosystem-Gravitation. In iMessage-lastigen Regionen (primär USA) ist macOS der einzige Weg zu nativer iMessage-Integration — damit kann deine KI auf Texte antworten, Tapback-Reaktionen senden und in Gruppenchats mitmachen. Kein Linux-Rechner, kein VPS, kein Windows-PC kann das. Aber das ist regional, nicht der universelle Treiber — WhatsApp- und Telegram-User brauchen gar keinen Mac.
• Sicherheit durch Abgrenzung. OpenClaw auf dem Hauptrechner laufen zu lassen, ist ein dokumentiertes Risiko — der Agent kann Befehle ausführen und Dateien einsehen. Ein eigener Mac mini trennt dieses Risiko von den persönlichen Daten und ist einer der versteckten Gründe, warum viele Nutzer eigene Hardware verwenden.
• Unified Memory für lokale KI. Apples Architektur bedeutet kein Hin- und Herschieben von Daten zwischen CPU-RAM und GPU-VRAM — dadurch ist lokale Inferenz via Ollama deutlich schneller als auf vergleichbarer x86-Hardware zum gleichen Preis.

Für 549–599 € war es der günstigste Weg, all das auf einmal zu bekommen. Diese Konvergenz — nicht ein einzelnes Feature — hat ihn zum Community-Default gemacht.

Welche technischen Vorteile bietet Apple Silicon?

Apple Silicons Unified-Memory-Architektur eliminiert den GPU-Bottleneck, der KI auf klassischen PCs ausbremst – ein Mac mini mit 64 GB kann fast alles davon fürs Ausführen von KI-Modellen nutzen, während ein vergleichbarer PC eine separate Grafikkarte für über 1.000 € bräuchte.

Auf einem klassischen PC sind System-RAM und GPU-Memory getrennte Pools. Ein LLM zu fahren bedeutet, Daten über einen PCIe-Bus hin und her zu schieben – ein massiver Bottleneck.

Apple Silicon teilt einen Memory Pool zwischen CPU, GPU und Neural Engine, sodass ein 64-GB-Mac mini ein Modell mit vollen 64 GB ohne Transfers füttern kann.

Die Geschwindigkeit hängt von der Memory Bandwidth ab – wie schnell der Chip Modellgewichte lesen kann. Der M4 Pro liefert 273 GB/s; Apple sagt, das sei die doppelte Bandbreite gegenüber konkurrierenden KI-PC-Chips. Apples MLX-Framework ist auf diese Architektur optimiert, und die Neural Engine des M4 liefert 38 TOPS dedizierte Machine-Learning-Performance.

Das Ergebnis: Der Mac mini kann je nach Konfiguration lokale Modelle von 7B bis 70B+ Parametern ausführen.

Warum ist Stromverbrauch bei Always-on-KI so wichtig?

Ein KI-Assistent muss 24/7 laufen, und der Mac mini M4 zieht im Leerlauf nur 3–4 Watt – vergleichbar mit einem Raspberry Pi – und ist damit günstig genug, um ihn das ganze Jahr laufen zu lassen, ungefähr zum Preis von ein paar Kaffees.

Die häufig zitierten Benchmarks von Jeff Geerling bestätigen die Werte: 3–4 Watt Gesamtsystemverbrauch im Idle, inklusive 10 Gigabit Ethernet und 32 GB RAM. Unter KI-Workloads sind während aktiver Inferenz 30–45 Watt zu erwarten, danach fällt der Verbrauch zwischen Tasks wieder auf nahezu Idle-Niveau zurück. Jährliche Stromkosten: ungefähr 15–25 € bei typischem Always-on-Betrieb.

Verglichen mit einem Desktop-PC mit dedizierter GPU, der lokale KI ausführt, sind das 130–400 € pro Jahr an Stromkosten – plus Fan Noise, die eine Platzierung im Schlafzimmer praktisch ausschließt. Der Mac mini läuft leise – User beschreiben ihn konsistent als nicht hörbar. Für ein Gerät, das rund um die Uhr in Wohnräumen arbeitet, ist diese Kombi aus Effizienz und Stille kein nettes Extra. Sie ist Voraussetzung.

Was ist aus den Alternativen geworden?

Linux-Mini-PCs bieten mehr RAM pro Euro, verlieren aber macOS-only Features, der Raspberry Pi kann keine echten KI-Workloads stemmen, und Cloud-Hosting schickt deine persönlichen Daten über Remote-Server – damit bleibt der Mac mini für die meisten User der praktische Default.

Der Raspberry Pi 5 endet bei 8 GB RAM und liefert bei kleinen Modellen 5–6 Tokens pro Sekunde – komplexe Requests dauern zehn Minuten oder länger. Linux-Mini-PCs bieten 32–128 GB RAM zu attraktiven Preisen, verzichten aber auf iMessage-Integration. Cloud-VPS-Hosting für 5–12 € pro Monat funktioniert für leichte API-only Setups, schiebt aber deine Daten zu Drittanbieter-Servern.

Das Community-Fazit ist ziemlich eindeutig: Der Mac mini gewinnt wegen der speziellen Kombination an Funktionen, die ein Always-on-KI-Assistent braucht. Leiser Betrieb, iMessage-Zugriff, Unified Memory für lokale Modelle, unter 5 Watt Idle und macOS-Reliability. Keine einzelne Alternative kann alle fünf liefern.

Wie sieht ein vollständiges OpenClaw-Mac-mini-Setup aus?

Ein komplettes Always-on-Setup kombiniert den Mac mini mit externem Speicher für Workspace-Isolation und einer Dockingstation für saubere Konnektivität, und läuft nach der Ersteinrichtung headless, also ohne Display, Tastatur oder Maus.

Nach den ersten 30 Minuten Setup läuft der Mac mini headless. Du managst ihn remote über SSH, Screen Sharing oder OpenClaws integrierte Control UI. Die Hardware verschwindet unter dem Schreibtisch oder hinter dem Monitor und verarbeitet Anfragen rund um die Uhr – lautlos.

Für ein sauberes Langzeit-Setup hält externer Speicher den AI-Arbeitsbereich getrennt vom Systemlaufwerk – gut für Sicherheit und Wartung… Die rückseitigen Ports des Mac mini M4 sind nach dem Platzieren nicht leicht erreichbar, und die zwei frontseitigen USB-C-Ports sind schnell voll.

Die UGREEN Mac mini M4 Dockingstation sitzt direkt unter dem Mac mini und erweitert auf 11 Ports, inklusive 10 Gbit/s USB-A und USB-C. Die 8-TB-Dock-Version hat ein integriertes M.2-NVMe-Gehäuse – perfekt, um ein schnelles Speicherlaufwerk dediziert für deinen OpenClaw-Workspace zu nutzen, ohne externe Kabel auf dem Schreibtisch. Sauberes Setup = nachhaltiges Setup, wenn die Maschine 24/7 läuft.

Was kommt als Nächstes für OpenClaw und lokale KI?

Mit 168.000+ GitHub-Stars, über 200 Mitwirkenden und einem sozialen Netzwerk, in dem 1,5 Millionen KI-Agenten autonom interagieren, ist OpenClaw längst mehr als ein Hobbyprojekt – auch wenn Sicherheitsrisiken und Komplexität bedeuten, dass es weiterhin am besten für technische User geeignet ist.

Moltbook, das rein auf KI ausgerichtete soziale Netzwerk, löste Reaktionen von Andrej Karpathy („incredible sci-fi takeoff“) und Elon Musk („early stages of the singularity“) aus – zusammen mit ernsthaften Sicherheitswarnungen. Forschende entdeckten ungeschützte Datenbanken, schädliche Funktionen auf ClawHub und Schwachstellen durch manipulierte Eingaben. Steinberger war offen über die Risiken: „Es ist ein kostenloses, quelloffenes Hobbyprojekt, das sorgfältig konfiguriert werden muss.“

Die Richtung ist klar: Eigene Hardware, die lokale KI-Modelle ausführt, sauber eingerichtet und abgesichert, ist der nachhaltige Weg nach vorn. Apples neue Chips werden die Leistungsunterschiede weiter vergrößern, und OpenClaws Dynamik zeigt keine Anzeichen, langsamer zu werden.

Der persönliche KI-Assistent, den Science-Fiction jahrzehntelang versprochen hat, ist endlich real – für alle, die ihn richtig einrichten.

Das Fazit

Von einem einstündigen Wochenendprojekt zum am schnellsten wachsenden Open-Source-Phänomen der jüngeren Vergangenheit: OpenClaw hat gezeigt, dass der Always-on-KI-Assistent keine Science-Fiction war – es brauchte nur jemanden, der stur genug war, ihn zu bauen.

Der Mac mini wurde nicht durch Marketing zum Default-Host für OpenClaw, sondern durch praktische Realität: lautloser Betrieb, Unified Memory für lokale KI und die Energieeffizienz, um 24/7 für ein paar Cent pro Tag zu laufen.