ClawHosters
von Daniel Samer
6 Min. Lesezeit
Dein KI-Agent hat gestern alles vergessen, was du ihm beigebracht hast. Jede Vorliebe, jedes Projektdetail, jede Regel, für die du eine Stunde gebraucht hast. Weg.
Das KI Agent Gedächtnis in OpenClaw funktioniert grundlegend anders als du vielleicht erwartest. Das ist kein Bug. So funktionieren LLMs. Wie Leonie Monigatti erklärt, sind große Sprachmodelle von Haus aus zustandslos. "Each time is essentially a fresh start. The LLM has no memory of previous inputs." OpenClaw löst dieses Problem mit einem dateibasierten Gedächtnissystem. Aber das System hat scharfe Kanten, die du erst findest, wenn etwas kaputtgeht.
Wie das KI Agent Gedächtnis in OpenClaw tatsächlich funktioniert
Das Design ist erstaunlich simpel. Laut OpenClaws offizieller Dokumentation gilt: "The files are the source of truth; the model only remembers what gets written to disk."
Zwei Dateien tragen die Last:
MEMORY.md speichert kuratierte Langzeitfakten. Deinen Namen, deine Vorlieben, projektspezifische Regeln. Diese Datei verliert nie an Relevanz. Wenn du willst, dass der Agent sich dauerhaft an etwas erinnert, kommt es hier rein.
memory/YYYY-MM-DD.md sind Tagesprotokolle. Laufender Kontext, Sitzungsnotizen, Dinge, die der Agent während einer Unterhaltung aufgeschnappt hat. Die verlieren über die Zeit an Gewicht, mit einer Halbwertszeit von 30 Tagen. Eine Notiz von vor sechs Monaten behält nur noch circa 1,6% ihres ursprünglichen Relevanzscores.
Unter der Haube baut OpenClaw einen SQLite-Vektorindex pro Agent. Wenn der Agent etwas abrufen muss, läuft eine Hybridsuche: 70% Vektorähnlichkeit, 30% BM25-Keyword-Matching. Zwei Tools erledigen den Abruf. memory_search macht semantische Suche. memory_get liest eine Datei direkt.
Dieses System funktioniert für die meisten Anwendungsfälle gut. Ein Nutzer hat 15.000 aufgestaute E-Mails abgearbeitet, weil persistente Gedächtnis-Regeln über Sessions hinweg überlebt haben. Ein Entwickler hat einen seit 10 Monaten kaputten SMS-Chatbot repariert, indem er Kontext über mehrere Sessions ansammeln ließ, statt die Codebasis jedes Mal neu zu erklären. Die ClawHosters Quickstart-Anleitung zeigt, wie du das in der Praxis aufsetzt.
Aber dieses KI Agent Gedächtnis hat Fehlermodi, die dich Stunden kosten können. Vielleicht Tage.
Die Stolperfallen, die das OpenClaw Agent Gedächtnis zerstören
Stolperfalle 1: Container-Neustart löscht alles
Das hier ist wahrscheinlich die häufigste. Du betreibst OpenClaw in Docker ohne richtige Volume-Mounts. Der Container startet neu (Update, Crash, Host-Reboot). Alles im Workspace-Verzeichnis ist weg. MEMORY.md, Tagesprotokolle, alles. Die offizielle Docker-Anleitung empfiehlt, OPENCLAW_HOME_VOLUME zu setzen, damit der Workspace als Named Volume persistiert wird. Aber wenn du diesen Schritt beim Setup übergehst, merkst du es erst, wenn es zu spät ist.
Stolperfalle 2: Stille Kompaktierung
Die hier ist schlimmer, weil du sie nicht kommen siehst. Ein dokumentierter Fall auf GitHub (Issue #5429) beschreibt einen Nutzer, der rund 45 Stunden an aufgebautem Agent-Kontext verloren hat. Auto-Kompaktierung löste bei 90%+ Kontextauslastung aus, und alles, was nicht auf die Festplatte geschrieben war, wurde stillschweigend verworfen. Der Agent hatte keine Ahnung, was er verloren hatte.
Der Fix existiert. memoryFlush ist eine Config-Option, die den Agenten dazu bringt, wichtige Fakten in MEMORY.md zu sichern, bevor die Kompaktierung läuft. Das Problem? Standardmäßig deaktiviert. Und der Issue wurde als NOT_PLANNED geschlossen. Dieses Verhalten wird sich also nicht ändern.
Stolperfalle 3: Stiller Embedding-Fehler
Du konfigurierst Memory, redest mit deinem Agenten, fragst ihn nach etwas von letzter Woche. Nichts kommt zurück. Kein Fehler. Nur Stille, oder eine halluzinierte Antwort.
Die Ursache: kein funktionierender Embedding-Provider. OpenClaws memory_search braucht ein Embedding-Modell. Wenn keins konfiguriert ist (oder der API-Key falsch ist), scheitert das Tool stillschweigend. GitHub Issues #13027 und #16670 dokumentieren, dass der Onboarding-Prozess dich davor nicht warnt. Du denkst, Memory funktioniert. Tut es aber nicht.
OpenClaw Memory Plugins: Wenn das eingebaute Gedächtnis nicht reicht
Wie Daily Dose of DS es formuliert, "remembers everything but understands none of it". OpenClaws natives Gedächtnis speichert Textstücke. Es kann nicht über Beziehungen zwischen Fakten nachdenken. Sag dem Agenten am Montag "Alice ist zuständig für das Auth-Team", frag am Mittwoch "wer kümmert sich um Berechtigungen?", und er zuckt mit den Schultern.
Vier Plugins adressieren unterschiedliche Lücken:
Mem0 verschiebt Erinnerungen in einen externen Cloud-Speicher, komplett außerhalb des Kontextfensters. Gut für Persistenz über Geräte und Sessions hinweg.
Supermemory fügt automatischen Abruf vor jedem KI-Turn und automatisches Erfassen nach jedem Austausch hinzu. Das GitHub-Repo zeigt 434 Stars und aktive Entwicklung. Es kümmert sich auch um Deduplizierung, damit deine Memory-Dateien nicht mit redundanten Einträgen aufblähen.
Cognee geht einen anderen Weg. Die Cognee-Integration baut einen Knowledge Graph. "Alice zuständig für Auth" wird zu Entitäten und Beziehungen, die traversiert werden können, statt nur per Textähnlichkeit gefunden.
Voyage AI ist kein Memory-Plugin im engeren Sinn. Es ist ein Embedding-Provider-Upgrade, das die Retrieval-Qualität des nativen Systems verbessert.
Welches du brauchst, hängt von deinem Einsatzbereich ab. Für die meisten Single-Agent-Setups reicht das native KI Agent Gedächtnis mit ordentlicher Konfiguration. Für Multi-Projekt-Arbeit oder Bereiche mit vielen Beziehungen zwischen Fakten füllt Cognee oder Supermemory echte Lücken.
Warum das für Hosting relevant ist
Alle diese Stolperfallen sind Infrastruktur-Probleme. Konfigurationsentscheidungen, die du einmal beim Setup triffst und dann vergisst, bis etwas kaputtgeht.
Wenn du OpenClaw selbst hostest, sind diese Entscheidungen deine Verantwortung. Wenn du Managed Hosting nutzt, sind Workspace-Persistenz, richtige Volume-Konfiguration und Embedding-Provider-Setup von Anfang an erledigt. Das ist kein Verkaufspitch. Das ist einfach der praktische Unterschied zwischen Infrastruktur selber verwalten und jemand anderem die Arbeit überlassen.
So oder so: Check dein Setup. Stell sicher, dass memoryFlush aktiviert ist. Bestätige, dass dein Embedding-Provider funktioniert. Vergewissere dich, dass dein Workspace-Verzeichnis Container-Neustarts überlebt. Das sind vermutlich die drei Dinge mit dem größten Hebel für ein zuverlässiges KI Agent Gedächtnis.
