20. Juni 2026

Auf dem Weg zum eigenen KI-Betriebssystem

Vom Micromanagement zum KI-Agenten

Jeder kennt das chatten mit generativen KIs, Bildgenerierung und ähnliches. Dabei werden nur kleinste Bruchstücke nacheinander bearbeitet. Wenn Sie einen Mitarbeiter so behandeln würden, würde man das Micromanagement nennen.

Seit ELIZA (1966) kennt die Welt Chatbots, Chatgpt und die anderen Large Language Modelle waren nur eine folgerichtige Weiterentwicklung.

OpenClaw hat Peter Steinberger am 25.11.2025 veröffentlicht, weil er nicht länger LLMs babysitten wollte. Die Software arbeitet als Agent, der LLMs und Computer bedienen kann. Dadurch können deutlich komplexere Aufgaben an den Agenten delegiert werden.

Die Risiken von soviel Wumms!

Die Kehrseite der Medaille: LLMs sind nicht so vorhersehbar wie ein Taschenrechner, d.h. wenn diese halluzinieren oder Fehler machen, macht der Agent aus der Mücke einen Elefanten. Deshalb wird die Kategorie der KI-Agenten von manchen auch die gefährlichste Software der Welt genannt. Natürlich nicht ohne Grund: Manche haben viel Geld verloren, weil sie einen KI-Agenten an der Börse spekulieren ließen, oder auch nur weil ein Agent 'Tokens' völlig haltlos verbrät. Auch haben Nutzer schon berichtet, dass Agenten ein E-Mail-Postfach ratz-fatz aufgeräumt haben, indem sie alle E-Mails auf nimmer wiedersehen gelöscht haben. Effizient war das schon ... aber nicht im Sinne der Nutzer.

Leitplanken für Agenten = Harness

Die nächste Erkenntnis- und Entwicklungsstufe sind Leitplanken für die KI-Agenten: sogenanntes Harness. Das sind umfangreiche Regelwerke, was Agenten dürfen und was nicht. Agent Smith aus Matrix lässt grüßen. Beispiele sind Hermes und Odysseus.

Warum Odysseus?

Jedes System hat seine Vor- und Nachteile. Wer mag kann sogar mehrere Harnesse miteinander verbinden. Für meine persönliche Arbeit habe ich mich für den Test von Odysseus entschieden. Wesentliche Funktionen von Odysseus sind:
Deep Research, lokale und externe LLMs, Vector- und Keyword-Retrieval, starkes Gewicht auf Privatheit und Sicherheit gelegt, E-Mail, Kalender, Aufgaben und Notizen integriert, optionaler shell-Zugriff, Web-tools.

Alles lokal und privat in meinen eigenen Docker-Containern. Odysseus wurde am 31.05.2026 veröffentlicht, das Produkt steckt noch in den Kinderschuhen.

OKF für unstrukturiertes Wissen

Mein Ziel ist es unstrukturiertes Wissen zu erfassen z.B. Notizen oder Probleme, die man herkömmlicherweise mit Retrieval Augmented Generation lösen würde.

Taufrisch ist auch das open knowledge Format (OKF) von Google. Es ist speziell dafür entwickelt worden Wissen sowohl in einer für Menschen lesbaren Form als auch in einer für KI-Agenten lesbaren Form darzustellen. Damit sollen die Datensilos von Obsidian, LLM Wiki, Kataloge mit Metadaten, Kommentare in Code usw. aufgebrochen werden.

Test: Odysseus importiert OKF

Als einen ersten Test werde ich den Software-Katalog Awesome-selfhosted in das OKF überführen und in Odysseus importieren.

Mit diesem Anwendungsfall kann ich dann auch Aussagen zum Laufzeitverhalten u.ä. machen.

Feedback gewünscht!

Welche Ideen hast Du für die Anwendung des OKF? Oder für Odysseus? Ich freue mich auf Feedback!

Dieser Blog-Beitrag im OKF

type: build-in-public
title: "Auf dem Weg zum eigenen KI-Betriebssystem (Early Stage, Test Week 1)"
status: early-stage
feedback_wanted: true
tags: [odysseus, ai-os, okf, self-hosted, local-llm, openclaw, hermes]
metrics:
odysseus_release: "2026-05-31"
openclaw_release: "2025-11-25"
stage: "Kinderschuhen (Early Development)"
first_test: "Awesome-selfhosted → OKF → Odysseus"
testing_summary:
started: "2026-06-18"
current_phase: "Odysseus Test + OKF Integration planen"
next_phase: "Awesome-selfhosted → OKF überführen + importieren"
goal: "unstrukturiertes Wissen erfassen (Notizen, Probleme)"
approach: "OKF statt klassisches RAG"
integration_notes:
platform: "Docker-Containers (local + privat)"
knowledge_format: "OKF (Open Knowledge Format, Google)"
first_catalog: "Awesome-selfhosted"

target_system: "Odysseus"

Auf dem Weg zum eigenen KI-Betriebssystem (Early Stage, Test Week 1)

🚧 Early Development: Dies ist ein Test-Update, nicht fertiges Produkt.
💬 Feedback willkommen: Ich suche Community-Input für meinen Odysseus-Test.
🔄 Dynamisch: Meine Entscheidungen können sich ändern basierend auf Feedback.

Vom Micromanagement zum KI-Agenten

Jeder kennt das Chatten mit generativen KIs – Bildgenerierung, Text, Bruchstücke nacheinander.

Problem: Wenn Sie einen Mitarbeiter so behandeln würden, nennt man das Micromanagement.

Genau das will ich ändern: KI als Agent, nicht als Chatbot.

Kurzer historischer Kontext

• 1966: ELIZA – erste Chatbots
• 2020s: ChatGPT, LLMs – folgerichtige Weiterentwicklung
• 25.11.2025: OpenClaw von Peter Steinberger veröffentlicht – „nicht länger LLMs babysitten"

KI-Agenten: Arbeiten als Agent, der LLMs + Computer bedienen kann → komplexere Aufgaben delegierbar.

Die Risiken von soviel Wumms!

Kehrseite der Medaille: LLMs sind nicht vorhersehbar wie Taschenrechner.

• Halluzinieren → Agent macht aus Mücke Elefant
• Fehler machen → Agent eskalates
• Beispiele:
• Geld an Börse verloren (KI-Agent spekulierte)
• Tokens haltlos verbrät
• E-Mail-Postfach „ratz-fatz aufgeräumt" → alle E-Mails gelöscht (effizient, aber nicht im Sinne des Nutzer)

⚠️ Manche nennen KI-Agenten „gefährlichste Software der Welt" – nicht ohne Grund.

Leitplanken für Agenten = Harness

Nächste Entwicklungsstufe: Harness = umfangreiche Regelwerke, was Agenten dürfen/nicht dürfen.

„Agent Smith aus Matrix lässt grüßen."

Beispiele:

• Hermes (Nous Research)
• Odysseus (PewDiePie/ArchDaemon)

Warum Odysseus?

Jedes System hat Vor-/Nachteile – wer mag, kann mehrere Harnesse verbinden.

Für meine persönliche Arbeit: Ich habe mich für Odysseus Test entschieden.

Wesentliche Funktionen von Odysseus

• Deep Research
• Lokale + externe LLMs
• Vector- + Keyword-Retrieval
• Starkes Gewicht auf Privatheit + Sicherheit
• E-Mail, Kalender, Aufgaben, Notizen integriert
• Optionaler shell-Zugriff
• Web-tools

✅ Alles lokal + privat in meinen eigenen Docker-Containern

⚠️ Odysseus Release: 31.05.2026 – Produkt steckt noch in den Kinderschuhen.

OKF für unstrukturiertes Wissen

Mein Ziel

Unstrukturiertes Wissen erfassen (z.B. Notizen, Probleme), das man herkömmlicherweise mit Retrieval Augmented Generation (RAG) lösen würde.

Taufrisch: OKF (Open Knowledge Format) von Google

OKF ist speziell dafür entwickelt worden, Wissen sowohl in:

• für Menschen lesbaren Form (Markdown)
• für KI-Agenten lesbaren Form (YAML Frontmatter)

darzustellen.

Ziel: Datensilos aufbrechen:

• Obsidian
• LLM Wiki
• Kataloge mit Metadaten
• Kommentare in Code
• usw.

Test: Odysseus importiert OKF

Mein erster Test

Ich werde den Software-Katalog Awesome-selfhosted in das OKF überführen und in Odysseus importieren.

Warum dieser Test?

• Messbar: Awesome-selfhosted hat klare Struktur (Kategorien, Tools, Links)
• Praktisch: Kann ich direkt in Odysseus nutzen
• Metric-generierend: Kann Aussagen zum Laufzeitverhalten machen

Erwartete Metrics (Week 2)

• Import Time: Wie lange dauert OKF → Odysseus?
• Response Time: Wie schnell ist Odysseus mit OKF-Kontext?
• Accuracy: Wie präzise sind Antworten mit OKF vs. ohne?
• Token Usage: Wie viele Tokens braucht OKF vs. klassisches RAG?

📬 Feedback gewünscht!

Welche Ideen hast Du für:

1. Anwendung des OKF? (Was sollte in OKF stehen?)
2. Odysseus? (Welche Features sind wichtig?)
3. Awesome-selfhosted → OKF? (Wie sollte die Struktur sein?)

Ich freue mich auf Feedback! 🙏

Update: Week 1 (2026-06-20) — Next: Week 2 (Awesome-selfhosted → OKF + Import + Metrics)
Status: Early Stage, Pläne können sich ändern