{count, plural, one {Kurs} other {Kurse}}
Einführung in KI-Agenten
{hours} Std. {minutes} Min.
144.6K
OpenClaw startete mit viel Hype – und ebenso vielen Sicherheitsbedenken. Danach tauchten unzählige Nachahmer auf, die angeblich verschiedene OpenClaw-Probleme lösen. Im Mittelpunkt steht die Sicherheit, unter anderem wegen der Größe des Repos. Ein weiteres großes Thema sind die Betriebskosten des Agents. Aus eigener Erfahrung können die Kosten schnell explodieren, zumal sogar der OpenClaw-Erfinder Top-Modelle wie Claude Opus 4.6 empfiehlt, um Prompt-Injection zu verhindern. Opus 4.6 ist nicht günstig – vor allem, wenn der Agent viele Erinnerungen und Skills als Kontext mitsenden muss. Und hier kommt der Hermes Agent ins Spiel.
Ich habe die Entwickler des Hermes Agent auf X/Twitter verfolgt. Sie behaupten, ihr Agent nutze Open-Source-Modelle besser als OpenClaw. Ihre These: Open-Source-Modelle lassen sich mit dem richtigen Gerüst sehr effektiv einsetzen. In diesem Artikel prüfe ich diese Aussagen in der Praxis. Ich führe dich durch die Installation, zeige die Nutzung mit lokalen und Online-Modellen und setze den Agenten in einem Research-Projekt ein.
Was ist der Hermes Agent?
Hermes Agent ist eine Open-Source-Alternative zu OpenClaw von Nous Research, dem Team hinter den Hermes-Modellen. Nach dem Launch wurde das Projekt sehr populär und hat zum Zeitpunkt des Schreibens über 30.000 Stars. Hermes Agent unterscheidet sich von OpenClaw dadurch, dass er aus Erfahrung neue Skills entwickelt, sich selbst verbessert und Wissen sitzungsübergreifend behält.
Wie du OpenClaw nutzt, erfährst du in unserem OpenClaw (Clawdbot) Tutorial.
Zentrale Fähigkeiten des Hermes Agent
Schauen wir uns einige der wichtigsten Funktionen von Hermes Agent an.
Geschlossener Lernkreislauf und sich selbst verbesserndes Gedächtnis
Der Hermes Agent arbeitet mit einem geschlossenen Lernkreislauf. Das bedeutet:
- Agent-kuratiertes Gedächtnis mit regelmäßigen Erinnerungen
- Erstellt nach komplexen Aufgaben automatisch neue Skills
- Verbessert Skills durch wiederholte Nutzung
Hermes Agent speichert Chatsitzungen außerdem in einer SQLite-Datenbank mit FTS5-Volltextsuche. So kann er Erinnerungen auch Wochen später wiederfinden, selbst wenn sie nicht im aktuellen Kontext sind.
Lerne die SQLite-Grundlagen – von Dot-Commands bis zu praktischen Beispielen in der Kommandozeile – in unserem Beginners Guide to SQLite.
Hermes nutzt außerdem ein Honcho Memory, das dem Agenten ein dauerhaftes Verständnis der Nutzer über Sitzungen hinweg gibt. Zusätzlich helfen die Dateien memory.md und user.md dabei, Vorlieben, Ziele und Kommunikationsstil der Nutzer zu erfassen und Kontext über Gespräche hinweg zu bewahren.
Kontextkomprimierung und Caching
Ein Kernproblem vieler KI-Assistenten ist ihr hoher Token-Verbrauch. Wenn jede API-Anfrage kostet, wird es schnell teuer. Hermes Agent nutzt Dual-Komprimierung und Anthropics Prompt-Caching, um den Kontextverbrauch über lange Konversationen zu steuern.
Dieses Verfahren verhindert auch API-Fehler bei zu großem Kontext. Es kürzt ältere Ergebnisse und fasst Gespräche mit einem LLM zusammen.
Skills-System
Wie OpenClaw unterstützt auch Hermes Agent Skills. Diese sind kompatibel mit agentskills.io und folgen dem Prinzip der progressiven Offenlegung, um den Token-Verbrauch zu minimieren. Es liefert integrierte Skills mit und speichert beim Einsatz auch eigene Skills. Alle Skills liegen in ~/.hermes/skills/, du kannst aber auch externe Skills einbinden.
Lerne, wie du OpenClaw-Skills von Grund auf baust, externe APIs verbindest, Docker-Sandboxing konfigurierst und auf ClawHub veröffentlichst – in unserem Tutorial zu Custom OpenClaw Skills.
Multi-Platform-Gateway
Hermes Agent unterstützt mehrere Plattformen, darunter Telegram, Discord, Slack, Signal und WhatsApp. Sprachmemos können ebenfalls transkribiert werden. Da alle Sitzungen in derselben Datenbank landen, kannst du ein Gespräch im Terminal starten und nahtlos auf Telegram fortsetzen.
Subagenten und parallele Workstreams
Hermes Agent bietet das Tool delegate_task, mit dem sich mehrere Subagenten starten lassen. Diese haben eingeschränkte Toolsets und Terminal-Sessions. Sie beginnen eine neue Unterhaltung ohne Zugriff auf den bisherigen Verlauf – du musst ihnen also alle nötigen Informationen mitgeben. So kannst du etwa mehrere Themen parallel recherchieren und Zusammenfassungen sammeln, Code reviewen sowie mehrere Dateien gleichzeitig fixen und refaktorisieren.
MCP-Support und erweiterter Toolzugriff
Für fehlende Tools kannst du MCPs anbinden. So verbindest du APIs, Datenbanken oder interne Systeme, ohne den Hermes-Agent-Code zu ändern. Du nutzt sie, indem du:
- MCP-Support in Hermes installierst
- Einen MCP-Server hinzufügst
- Whitelist festlegst, was die Tools des MCPs freigeben
- Gefährliche Aktionen wie das Löschen von Kundendaten per Blacklist sperrst
Lerne, wie du mit Anthropics Model Context Protocol einen MCP-Server baust, um Claude mit GitHub und Notion zu verbinden – in unserem Model Context Protocol-Tutorial.
RL-Training und Trajektorienerzeugung
Hermes Agent enthält eine integrierte RL-Trainingspipeline (Reinforcement Learning) auf Basis von Tinker-Atropos. Damit lassen sich LLMs in einer bestimmten Umgebung mit GRPO (Group Relative Policy Optimization) und LoRA-Adaptern trainieren.
Mehr zu RL findest du in unserem Lernpfad Reinforcement Learning in Python.
So schneidet Hermes Agent im Vergleich zu Standard-KI-Assistenten ab
Vergleichen wir Hermes Agent nun mit anderen KI-Assistenten wie OpenClaw und Nanobot.
Wie andere Agenten nutzt Hermes Agent memory.md und user.md für persistentes Gedächtnis. Darüber hinaus speichert er jede Sitzung in SQLite, sodass sich Gespräche später gezielt referenzieren lassen.
Wie OpenClaw unterstützt Hermes Agent auch ein Fallback-Modell, das Aufgaben übernimmt, wenn das Primärmodell nicht verfügbar ist.
Wie die meisten KI-Assistenten lässt sich Hermes Agent günstig auf einem VPS betreiben und über gängige Messaging-Plattformen nutzen. Ein zentrales Argument des Nous-Research-Teams ist jedoch: Hermes Agent sei das bessere Gerüst für Open-Source-Modelle.
Weitere KI-Assistenten wie NanoBot kannst du in unserem Nanobot-Tutorial entdecken.
Unterstützte Modelle und Endpoints
Hermes Agent ist modellagnostisch. Unterstützt werden unter anderem:
- Modelle aus dem Nous Portal
- OpenRouter per API-Schlüssel
- Anthropic Auth und API-Schlüssel
- OpenAI-Abo oder API-Schlüssel
- Gemini
Du kannst auch lokale Modelle über Ollama verwenden.
Wie du lokale KI-Assistenten mit Ollama nutzt, erfährst du in unserem Tutorial OpenClaw mit Ollama.
Voraussetzungen für den Betrieb von Hermes Agent
Hermes läuft unter Linux, macOS und WSL2. Es benötigt Python 3.11 und Node.js, die meisten Abhängigkeiten werden aber während der Einrichtung automatisch installiert.
Hermes-Agent Schritt-für-Schritt-Tutorial: Einen "Research Agent" bauen
Erstellen wir nun einen Research-Agenten, der das Web durchsucht und dir täglich ein Briefing per Telegram sendet.
Schritt 1: Hermes Agent installieren
Öffne dein Terminal und starte den Einzeiler-Installer:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
Schritt 2: Deinen Interface-Token holen
Für das Telegram-Gateway öffne Telegram und suche nach @BotFather. Sende /newbot, folge den Schritten zur Benennung deines Bots, und du erhältst einen Bot-Token im Format 123456789:AAH. Kopiere ihn für die nächsten Schritte.
Nutze anschließend den @userinfobot, um deine Telegram-User-ID zu bekommen. Diese brauchst du, damit dein Bot nur mit dir spricht.
Schritt 3: Initialisieren
Starte den Setup-Assistenten:
hermes setupWenn du Full Setup wählst, kannst du alles konfigurieren – inklusive API-Keys und Telegram-Bot.
Ein Menü führt dich durch alle Einstellungen, wie unten gezeigt:
Wenn du bereits OpenClaw installiert hast, kannst du auch eine Migration durchführen.
Nach Abschluss der Einrichtung kannst du alles mit folgendem Befehl prüfen:
hermes doctor
Schritt 4: Konfiguration und Modellauswahl
Wenn du den obigen Schritten gefolgt bist, ist ein Modell bereits eingerichtet. Du kannst es aber jederzeit ändern, indem du im Terminal Folgendes ausführst:
hermes model
Schritt 5: Gateway einrichten
Das Gateway sorgt dafür, dass dich Hermes über Telegram erreicht – ohne dass du im Terminal bleiben musst. Richte es ein mit:
hermes gateway setup
Jetzt solltest du Nachrichten über Telegram senden und Antworten erhalten können:
Hermes Agent aufrüsten: Der "Multi-Tool"-Agent
Wie du in der Antwort siehst, hat Hermes das Terminal-Tool genutzt, um die öffentliche Chart-API von Yahoo Finance abzufragen und die Antwort zu parsen. Wir können seine Websuche verbessern, indem wir eines der verfügbaren Websuche-Tools konfigurieren; hier verwenden wir FireCrawl. Besuche die Website und hole dir kostenlos einen AI Key.
Richte den Key anschließend so ein:
hermes config set FIRECRAWL_API_KEY your_fire-crawl_keyDamit habe ich Hermes eine Aufgabe gegeben, die das Durchsuchen mehrerer Seiten und das Zusammenfassen der Ergebnisse umfasste. Wie im Bild zu sehen, hat er drei Tasks geplant und delegiert.
Mehrere Agenten lassen sich in Hermes auch über Profile betreiben. So kannst du mehrere unabhängige Hermes-Agenten auf derselben Maschine laufen lassen – jeder mit eigener Konfiguration, API-Keys, Memory, Sessions, Gateway und Skills. Zum Beispiel:
- Ein Coding-Agent
- Ein persönlicher Assistent
- Ein Research-Agent
Du kannst ein Profil neu anlegen oder die bestehenden Einstellungen klonen:
hermes profile create work --clone
Starte den Chat mit work chat:
Jeder Agent erhält eine eigene .env, sodass du verschiedene Telegram-Bots konfigurieren kannst. Richte sie mit work setup ein.
Deployment-Optionen: Hermes Agent jenseits deines Laptops betreiben
Welche Möglichkeiten gibt es, Hermes Agent außerhalb deines Laptops zu betreiben?
Weitere Optionen sind:
- Betrieb auf einem dedizierten Rechner, nicht deinem Daily Driver.
- Deployment auf einem VPS, z. B. bei Modal oder Daytona.
Auch beim VPS-Deployment gelten diese Best Practices:
- Container-Backend nutzen
- Explizite Allowlists setzen
- Pairing-Codes statt User-ID verwenden
- Secrets sicher und mit korrekten Dateiberechtigungen speichern
- Agent regelmäßig mit
hermes updateaktualisieren - Agent niemals als
rootausführen - Ressourcenlimits für CPU, Speicher und Platte setzen
- Logs auf unautorisierte Zugriffsversuche überwachen
Lokal und privat: Hermes Agent offline betreiben
Du kannst Hermes Agent offline betreiben, indem du ein Modell über Ollama einrichtest. Der folgende Code zeigt, wie du qwen2.5-coder:32b mit Ollama lädst und servest:
# Installieren und Modell starten
ollama pull qwen2.5-coder:32b
ollama serve # Startet auf Port 11434Konfiguriere Hermes anschließend für dieses Modell:
hermes model
# "Custom endpoint (self-hosted / VLLM / etc.)" auswählen
# URL eingeben: http://localhost:11434/v1
# API-Key überspringen (Ollama benötigt keinen)
# Modellnamen eingeben (z. B. qwen2.5-coder:32b)Erhöhe außerdem das Kontextfenster, da das Modell den System-Prompt und Tools laden und eine Antwort generieren muss.
# Option 1: Serverweit per Umgebungsvariable setzen (empfohlen)
OLLAMA_CONTEXT_LENGTH=32768 ollama serve
# Option 2: Für systemd-verwaltetes Ollama
sudo systemctl edit ollama.service
# Hinzufügen: Environment="OLLAMA_CONTEXT_LENGTH=32768"
# Dann: sudo systemctl daemon-reload && sudo systemctl restart ollama
# Option 3: In ein Custom-Modell einbacken (persistent pro Modell)
echo -e "FROM qwen2.5-coder:32b\nPARAMETER num_ctx 32768" > Modelfile
ollama create qwen2.5-coder-32k -f Modelfile
Häufige Stolperfallen und Troubleshooting für Hermes Agent
Schauen wir uns typische Probleme an, die beim Einsatz von Hermes Agent auftreten können.
Connection refused-Fehler
Führe zuerst hermes doctor aus. Das zeigt dir fehlende Provider-Configs, kaputte Umgebungsvariablen oder falsche Pfade. Du kannst den Setup-Befehl auch erneut starten und den API-Key neu eingeben – vielleicht war ein Tippfehler drin.
Kontextfenster-Grenzen
Gib /compress ein, um die manuelle Kontextkomprimierung auszulösen.
Du kannst außerdem ~/.hermes/config.yaml bearbeiten, um Standardwerte für die Komprimierung zu setzen.
# In ~/.hermes/config.yaml
compression:
enabled: true
threshold: 0.50 # Standard: Bei 50% des Kontextlimits komprimieren
summary_model: "google/gemini-3-flash-preview" # Modell für die ZusammenfassungSkill wird nicht ausgelöst oder wiederverwendet
Prüfe, ob der Skill vorhanden ist. Mit diesem Befehl kontrollierst du, ob die Skill-Anweisungen genutzt werden.
hermes chat --toolsets skills -q "Use the X skill to do Y"Gateway empfängt keine Nachrichten
Gib hermes gateway status ein, um zu prüfen, ob es läuft.
Falls es gestoppt wurde, starte es mit hermes gateway start.
Fehler bei der Authentifizierung am Modell-Endpoint
Prüfe in ~/.hermes/.env, ob deine API-Keys korrekt sind. Führe hermes model aus, um sicherzustellen, dass für das gewählte Modell der richtige API-Key hinterlegt ist.
Ausblick
Wenn du den Agenten-Streit auf Twitter verfolgst, siehst du zwei Lager: Das eine setzt auf Agents mit APIs, das andere auf lokal laufende Modelle. Die Verfechter lokaler Modelle werben lautstark für Hermes Agent – ihrer Meinung nach das bessere Gerüst für lokale Modelle im Vergleich zu OpenClaw.
Unabhängig vom Lager gilt: Agentenbetrieb ist nicht billig. Wenn ein Tool lokale Modelle mit einer Performance nahe der Spitzenmodelle fahren kann, ist es einen Blick wert – erst recht bei verbrauchsbasierten Preisen aller Anbieter.
Angesichts der aktuellen Nachfrage werden Nutzer mit Bedarf an unbegrenzter Nutzung zu dem Tool tendieren, das die besten Ergebnisse liefert. Aktuell behaupten viele auf Twitter, dass Hermes Agent genau dieses Tool ist. Ob lokale Modelle die API-Nachfrage wirklich reduzieren, bleibt abzuwarten – nicht alle haben eigene GPUs oder die Skills, sie lokal einzurichten.
Fazit
In letzter Zeit sind mehrere persönliche KI-Assistenten erschienen. Am besten prüfst du, welcher am besten zu dir passt. Mit den folgenden Ressourcen bist du schnell startklar:
- OpenClaw vs Nanobot: Welches AI-Agent-Framework solltest du 2026 nutzen?
- Nanobot-Tutorial: Eine schlanke OpenClaw-Alternative
- Claude Code vs Cursor: Welches KI-Coding-Tool passt zu dir?
- OpenCode vs Claude Code: Welches agentische Tool solltest du 2026 nutzen?
- OpenClaw vs Claude Code: Welches agentische Tool solltest du 2026 nutzen?
Wenn du mehr über den Einsatz von KI-Tools lernen willst, sieh dir unseren Guide zu den besten kostenlosen KI-Tools an. Für breitere KI-Coding-Kompetenzen probiere unseren Kurs AI-Assisted Coding for Developers aus – und mach KI-Assistenten zu verlässlichen Partnern in deinem Entwicklungs-Workflow.
Author
Derrick Mwiti
