Venture-Capital-Firma Y Combinator interviewt den Entwickler Peter Steinberger, der den populären Open-Source-Persönlichen KI-Agenten OpenClaw entwickelt hat. Er prognostiziert, dass etwa 80 % der Apps verschwinden werden, da Anwendungen, die nur Daten verwalten, durch KI-Agenten automatisiert ersetzt werden können. Der größte Vorteil von OpenClaw ist die Überwindung von Datensilos, indem Daten lokal gespeichert werden, um die Privatsphäre zu schützen.
Hinter dem Erfolg von 180.000 Sternen: Der Wendepunkt bei 9 Sekunden Antwortzeit
(Quelle: Github)
Das GitHub-Repository des OpenClaw-Projekts hat über 180.000 Sterne erhalten. Die Community hat daraus sogar Anwendungen entwickelt, bei denen Roboter miteinander kommunizieren oder Menschen einstellen, z. B. Moltbook. Diese Anzahl an Sternen ist in der Open-Source-Community äußerst selten; selbst bekannte Deep-Learning-Frameworks wie PyTorch haben nur etwa 80.000 Sterne. Dass OpenClaw in wenigen Monaten auf 180.000 Sterne kam, zeigt die explosive Popularität bei Entwicklern.
Angesichts des plötzlichen Hypes um OpenClaw gab Peter an, dass er in den letzten Wochen eine Flut an Feedback und E-Mails erhalten hat. Er fühlte sich zeitweise so, als müsse er eine Woche „in eine Höhle“ gehen, um alles zu verarbeiten. Dieser plötzliche Fokus ist für unabhängige Entwickler enormer Druck: Sie müssen technische Fragen, Feature-Anfragen, Medieninterviews, Geschäftspartnerschaften und Community-Management bewältigen.
Beim Thema Entwicklungsanstoß sagte Peter, er habe ursprünglich nur entwickelt, um einfache Befehle für den Computer auszuführen. Im Mai und Juni habe er eine erste Version gebaut, später aber wieder mit der Entwicklung begonnen, um die Fortschritte bei der Überprüfung der Computerarbeit zu verbessern. Dieses „Lösen persönlicher Probleme“ ist ein gemeinsames Merkmal erfolgreicher Open-Source-Projekte. Wenn Entwickler selbst von einem Problem betroffen sind, sind ihre Lösungen oft näher an den tatsächlichen Bedürfnissen.
Der eigentliche Wendepunkt ereignete sich bei einer Party in Marrakesch, als er versuchte, per WhatsApp eine Sprachnachricht an einen Bot zu schicken, der noch keine Sprachfunktion hatte. Überraschenderweise zeigte der Bot eine erstaunliche Problemlösungsfähigkeit: Er erkannte Dateien automatisch, konvertierte sie und rief APIs auf, alles innerhalb von 9 Sekunden. Dabei wurde ihm bewusst, dass das entwickelte Programmmodell bereits in der Lage ist, abstrakte Probleme in konkrete Lösungen umzuwandeln.
Dieser 9-Sekunden-Wendepunkt markierte den Übergang von einem experimentellen Projekt zu einem praktischen Tool. Wenn KI-Agenten in der Lage sind, unerwartete Situationen (Sprachnachrichten) selbstständig zu verarbeiten, Lösungen (Konvertierung) zu finden und effizient zu handeln (9 Sekunden), entwickeln sie sich vom „Assistenzsystem, das menschliche Überwachung braucht“ zum „selbstständig lösenden Agenten“. Dieser qualitative Sprung ist ein Zeichen für die praktische Anwendbarkeit von KI-Agenten.
Beim Entwickeln von OpenClaw verzichtete Peter auf gängige Git-Worktrees und kopierte stattdessen mehrere Ordner parallel, um die mentale Belastung zu verringern. Er plädiert dafür, Robotern „Tools zu geben, die auch Menschen gerne verwenden“ – etwa Kommandozeilen-Interfaces (CLI) – anstatt nur komplexe Protokolle für Maschinen. Diese „menschzentrierte“ Design-Philosophie macht OpenClaw für Entwickler leichter verständlich und erweiterbar.
Um zu vermeiden, dass OpenClaw zu starr reagiert, hat er sogar eine Datei namens soul.md erstellt, in der die Werte und die Persönlichkeit des Bots definiert sind. Damit wird die Antwort menschlicher und humorvoller. Dieses Detail ist sehr inspirierend: Es zeigt, dass gutes Design eines KI-Agenten nicht nur eine technische Frage ist, sondern auch die Gestaltung einer Persönlichkeit. Wenn KI-Agenten eine klare „Persönlichkeit“ haben, sind Nutzer eher bereit, mit ihnen zu interagieren, was eine natürlichere Mensch-Maschine-Beziehung schafft.
80 % der Apps werden verschwinden: Das Ende datenbasierter Anwendungen
Im Interview wagte Peter die kühne Prognose, dass etwa 80 % der Apps verschwinden werden. Er glaubt, dass alle Anwendungen, die nur „Daten verwalten“, durch KI-Agenten in einer natürlicheren, automatisierten Weise ersetzt werden können. Fitness-Apps wie MyFitnessPal oder To-Do-Apps könnten in Zukunft überflüssig werden.
Peter beschreibt eine Szenario, das radikal ist: Beim Essen in einem Hamburger-Restaurant würde der Agent automatisch die gewohnte Lieblingsspeise des Nutzers erkennen, aufzeichnen und sogar den weiteren Fitnessplan anpassen, um mehr Ausdauertraining zu integrieren – ohne dass der Nutzer manuell Daten eingibt. Diese vollautomatisierte Erfahrung macht herkömmliche Fitness- und Ernährungs-Apps überflüssig. Nutzer müssten MyFitnessPal nicht mehr öffnen, keine Lebensmittelnamen oder Kalorien manuell eingeben – der Agent erledigt das im Hintergrund.
Auch To-Do-Apps stehen vor ähnlichen Herausforderungen. Peter sagt, die zukünftige Interaktion wird sein: „Erinnere mich an diese Sache“, woraufhin der Agent automatisch handelt und rechtzeitig erinnert. Nutzer kümmern sich kaum noch darum, wo die Daten gespeichert sind. Im Vergleich dazu erfordern aktuelle Apps wie Todoist oder Microsoft To Do, dass Nutzer Aufgaben manuell erstellen, Zeiten setzen und Kategorien anlegen. Dieser manuelle Aufwand wird im Zeitalter der KI-Agenten vollständig wegfallen.
Drei Hauptkategorien, in denen 80 % der Apps verschwinden werden
Datenaufzeichnung: Fitness-Tracking, Ernährungstagebücher, Finanzbuchhaltung – reine Dateneingabe-Apps
Erinnerungsmanagement: To-Do-Listen, Kalender, Wecker – Zeitmanagement-Tools
Informationsintegration: Nachrichtenaggregatoren, E-Mail-Management, Notiz-Apps – Informationsverarbeitende Anwendungen
In diesem Trend sieht Peter nur noch Anwendungen, die auf spezielle Hardware-Sensoren angewiesen sind, eine Überlebenschance haben. Zum Beispiel professionelle Herzfrequenz-Apps, die mit Brustgurten oder Smartwatches verbunden sind, oder Kamera-Apps, die direkt die Hardware steuern. Diese Funktionen lassen sich schwer durch KI-Agenten ersetzen. Dennoch könnten auch diese Anwendungen durch neue Nutzeroberflächen und Interaktionsweisen in KI-gestützte Systeme integriert werden.
Diese Prognose ist eine Bedrohung für App-Entwickler und Tech-Giganten. Apple App Store und Google Play Store basieren auf einem großen App-Ökosystem. Wenn 80 % der Apps verschwinden, sinken die Einnahmen und der Einfluss dieser Plattformen drastisch. Für Entwickler, die auf In-App-Käufe und Werbung angewiesen sind, könnte die Umstellung auf KI-gestützte Agenten die einzige Überlebenschance sein.
Aufbrechen von Datensilos: Die lokale Speicherrevolution von OpenClaw
Peter erklärt, dass der entscheidende Vorteil von OpenClaw im Vergleich zu großen Sprachmodellen (LLMs) darin liegt, „Datenbesitz“ zu haben und die „Datensilos“ großer Firmen zu durchbrechen. Derzeit bauen große KI-Unternehmen oft Barrieren auf, indem sie Nutzerdaten in geschlossenen Cloud-Systemen speichern, was den Nutzern das Migrieren oder Exportieren erschwert. OpenClaw läuft dagegen auf dem lokalen Rechner des Nutzers, kann direkt Hardware (z. B. Tesla, Lautsprecher, Licht) steuern und alte Dateien durchsuchen, um vergessene Erinnerungen zu heben.
OpenClaw speichert Erinnerungen in Markdown-Dateien auf dem lokalen Gerät. Das bedeutet, der Nutzer besitzt diese Daten vollständig und kann jederzeit darauf zugreifen. Peter ist überzeugt, dass persönliche KI-Agenten sehr sensible Informationen verarbeiten, ähnlich wie Google-Suchverläufe. Daher ist lokale Speicherung und Nutzerkontrolle eine notwendige Voraussetzung für Privatsphäre und Sicherheit.
Allerdings gab es bei der ersten Veröffentlichung von OpenClaw Sicherheitsprobleme. Die Sicherheitsfirma SlowMist wies auf eine Schwachstelle im Clawdbot-Portal hin, die zu Datenlecks führen könnte, inklusive API-Schlüssel von Anthropic, Telegram-Bot-Token, Slack OAuth-Token und privaten Nutzer-Dialogen. Bis zum 1. Februar wurde Clawdbot (OpenClaw) aktualisiert, um einige Sicherheitslücken zu schließen.
Von Alleskönner-KI zu kollektiver Intelligenz: Zukunft der Spezialisierung
Zur zukünftigen Entwicklung von KI meint Peter, man solle nicht nach einer einzigen „All-in-One“-Intelligenz streben, sondern sich auf „kollektive Intelligenz“ konzentrieren. Er vergleicht es mit menschlicher Gesellschaft: Durch Arbeitsteilung und Kooperation erreichte man z. B. die Mondlandung. Auch KI sollte sich auf Spezialisierung fokussieren. In Zukunft könnten Menschen mehrere spezialisierte Roboter haben, die Aufgaben im Beruf, Privatleben oder bei zwischenmenschlichen Beziehungen übernehmen.
Er beschreibt eine Zukunft, in der Roboter direkt miteinander kommunizieren, z. B. der Nutzer-Agent mit dem Restaurant-Agent verhandelt. Bei traditionellen Geschäften oder Warteschlangen könnten Roboter sogar Menschen beauftragen, Aufgaben zu erledigen. Dieses Modell, bei dem mehrere spezialisierte Agenten in einer Gruppe zusammenarbeiten, wird die Hauptentwicklung im KI-Bereich sein.
Der Vorteil der kollektiven Intelligenz liegt in der Effizienz durch Spezialisierung. Ein Finanz-Management-Agent, der auf Finanzwissen spezialisiert ist, wird deutlich besser sein als eine allgemeine KI. Ein Agent für soziale Beziehungen kann feinfühliger auf zwischenmenschliche Feinheiten eingehen. Diese Arbeitsteilung ähnelt menschlicher Berufspraxis: Jedes Fachgebiet hat sein eigenes Wissen und seine Fähigkeiten.
Technisch gesehen ist dieses Modell auch leichter umzusetzen. Das Training einer universellen KI erfordert enorme Datenmengen und Rechenleistung und führt oft zu „Alleskönnern, die in allem nur mittelmäßig sind“. Mehrere spezialisierte KI-Modelle lassen sich mit kleineren Datenmengen trainieren, was Entwicklungskosten und Rechenaufwand reduziert. Diese spezialisierten KI-Systeme kommunizieren über standardisierte Protokolle und bilden ein Kooperationsnetzwerk, das insgesamt intelligenter sein kann als eine einzelne Allzweck-KI.
