PicoClaw-Tutorial: Ein hyperminimalistisches Agent-Framework für knappen Speicherplatz

Wenn die jüngsten Schlagzeilen stimmen, frisst KI weltweit RAM und CPU – da kommt PicoClaw genau zur rechten Zeit. Kein Wunder, dass der Start für viel Aufsehen sorgte und in den ersten Tagen tausende Stars einbrachte. Der komplette KI-Agent passt in unter 10 MB und startet auf einem 600-MHz-Prozessor in weniger als einer Sekunde. 

Als ich darauf gestoßen bin, musste ich selbst testen, ob der Hype gerechtfertigt ist. In diesem Artikel führe ich dich durch PicoClaw und zeige dir, was mir aufgefallen ist. 

Wenn du tiefer in agentische KI einsteigen willst, empfehle ich dir den AI Agent Fundamentals Lernpfad. 

Was ist PicoClaw?

PicoClaw ist ein schlanker persönlicher KI-Assistent, inspiriert von Nanobot. Er ist in Go vom Sipeed-Team geschrieben und läuft auf Edge-Geräten wie Raspberry Pi, eingebetteten RISC-V-Boards und MIPS-basierten Routern. Das heißt, du kannst PicoClaw mit einem Hardware-Budget von 10 $ betreiben. 

PicoClaw: Wichtige Features und Funktionen

PicoClaw wird als einzelnes Binary ausgeliefert. Das macht das Setup extrem schnell – keine Python-Virtual-Environments und kein pip-Install nötig. 

Als Binary lässt es sich auf verschiedenen Architekturen ausführen. Auf der Release-Seite gibt es Downloads für diverse Betriebssysteme, darunter Linux, macOS und Windows. 

Bei der KI ist PicoClaw anbieterunabhängig. Es unterstützt OpenAI, Anthropic, DeepSeek und sogar Ollama für lokale Modelle. Das ist besonders praktisch, wenn du zwischen Modellen wechseln oder aus Datenschutzgründen lokal arbeiten möchtest. 

Wie du Ollama für lokale Modelle einrichtest, erfährst du in der Anleitung Using OpenClaw with Ollama. 

PicoClaw bringt integrierte Tools mit, die Folgendes können: 

• Dateien lesen und schreiben 
• Shell-Befehle auf dem Hostsystem ausführen 
• Das Web mit Brave Search oder DuckDuckGo durchsuchen 
• Wiederkehrende Jobs per Cron einplanen 

Wie Nanobot unterstützt es die üblichen Verdächtigen: WhatsApp, Telegram, Discord, QQ und DingTalk. Später zeige ich dir, wie du es mit Telegram verbindest. 

Entdecke Nanobot, die schlanke OpenClaw-Alternative. Baue einen sicheren, prüfbaren Python-KI-Agenten in unter 10 Minuten mit diesem kompletten Nanobot-Setup-Guide.

Die Stärken und Schwächen von PicoClaw

Angesichts des schnellen und einfachen Setups fragst du dich sicher, wo die Schattenseiten liegen. Dazu gleich mehr – zuerst die Pluspunkte. 

Erstens: Als einzelnes Binary ist es auf fast jedem Gerät schnell einsatzbereit. Ich hatte es in wenigen Minuten auf meinem Google Pixel am Laufen. 

Zweitens: PicoClaw lässt sich in deine bestehenden Messenger einbinden – du musst also nicht die App wechseln, um zu interagieren. 

Auf der Minusseite: PicoClaw ist noch vor Version 1.0. Als sehr neues Tool kann es unerwartete Bugs oder Breaking Changes geben. In meiner Recherche bin ich auch auf einige Krypto-Betrugsmaschen gestoßen, die PicoClaw ausnutzen. In den offiziellen Docs steht ausdrücklich, dass sie keine Coins betreiben – also aufgepasst. 

So richtest du PicoClaw ein

Die Einrichtung von PicoClaw gelingt in wenigen Schritten. So geht’s:

Installation (Single-Binary-Download)

Du kannst PicoClaw direkt aus dem Quellcode bauen:

git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
make deps
# Build, no need to install
make build
# Build for multiple platforms
make build-all
# Build for Raspberry Pi Zero 2 W (32-bit: make build-linux-arm; 64-bit: make build-linux-arm64)
make build-pi-zero
# Build And Install
make install

Ich bevorzuge allerdings Docker, das geht deutlich schneller: 

# 1. Clone this repo
git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
# 2. First run — auto-generates docker/data/config.json then exits
docker compose -f docker/docker-compose.yml --profile gateway up
# The container prints "First-run setup complete." and stops.
# 3. Set your API keys
nano docker/data/config.json   # Set provider API keys, bot tokens, etc.
# 4. Start
docker compose -f docker/docker-compose.yml --profile gateway up -d

Lerne die Grundlagen der Containerisierung in unserem Docker for Beginners Guide. 

Deinen LLM-Anbieter konfigurieren

Nach dem Setup wählst du deinen LLM-Provider und trägst ihn ein. Bearbeite dazu die Datei docker/data/config.json:

{
  "agents": {
    "defaults": {
      "workspace": "~/.picoclaw/workspace",
      "model_name": "gpt4",
      "max_tokens": 8192,
      "temperature": 0.7,
      "max_tool_iterations": 20
    }
  },
  "model_list": [
    {
      "model_name": "gpt4",
      "model": "openai/gpt-5.2",
      "api_key": "your-api-key",
      "request_timeout": 300
    },
    {
      "model_name": "claude-sonnet-4.6",
      "model": "anthropic/claude-sonnet-4.6",
      "api_key": "your-anthropic-key"
    }
  ],
  "tools": {
    "web": {
      "brave": {
        "enabled": false,
        "api_key": "YOUR_BRAVE_API_KEY",
        "max_results": 5
      },
      "tavily": {
        "enabled": false,
        "api_key": "YOUR_TAVILY_API_KEY",
        "max_results": 5
      },
      "duckduckgo": {
        "enabled": true,
        "max_results": 5
      },
      "perplexity": {
        "enabled": false,
        "api_key": "YOUR_PERPLEXITY_API_KEY",
        "max_results": 5
      },
      "searxng": {
        "enabled": false,
        "base_url": "http://your-searxng-instance:8888",
        "max_results": 5
      }
    }
  }
}

Deinen ersten Agenten starten

Die Anbindung von PicoClaw an Telegram ist in wenigen Schritten erledigt.

So habe ich Telegram konfiguriert:

• Öffne Telegram und suche @BotFather 
• Tippe /newbot und folge den Anweisungen 
• Kopiere das Token, das du vom BotFather erhältst 
• Ermittle als Nächstes deine User-ID, damit der Bot nur dir Befehle abnimmt. Suche in Telegram nach @userinfobot, klicke auf Start und kopiere die User-ID.

Aktualisiere anschließend die Datei docker/data/config.json und trage das Bot-Token sowie deine Telegram-User-ID ein. 

Wechsle jetzt zu deinem Telegram-Bot und leg mit PicoClaw los. 

Probieren wir ein paar Prompts aus. 

Zuerst lasse ich PicoClaw im Web nach dem aktuellen Apple-Aktienkurs suchen. Wie im Screenshot zu sehen, nutzt es dafür das DuckDuckGo-Websuche-Tool und liefert den Preis. 

Hier ein weiterer Prompt: PicoClaw soll einen Blog-Entwurf schreiben, auf die Platte speichern und vorlesen: 

Ich war neugierig auf geplante Tasks und habe mir in fünf Minuten eine Erinnerung zum Veröffentlichen des Blogs setzen lassen – die Erinnerung kam pünktlich nach 5 Minuten. 

Häufige Probleme mit PicoClaw und Troubleshooting

Beim Einrichten von PicoClaw bin ich auf ein paar Probleme gestoßen. Hier kurz die häufigsten – falls es dir genauso geht. 

Keine Antwort in Telegram

Wenn du in Telegram keine Antwort bekommst, könnten die Ursachen sein: 

• Das Telegram-Token ist falsch. Öffne die Konfigurationsdatei und prüfe es erneut 
• Die from-User-ID ist nicht gesetzt oder du greifst von einem anderen Account zu 
• Modell und API-Keys sind nicht gesetzt. Öffne die Konfigurationsdatei und trage sie ein

Im Log siehst du das genaue Problem: 

docker compose -f docker/docker-compose.yml logs -f picoclaw-gateway

Modell nicht gesetzt 

Der folgende Fehler bedeutet, dass du kein Standardmodell konfiguriert hast: 

Error: error creating provider: model "" not found in model_list: model "" not found in model_list or providers

Öffne die JSON-Config, setze den Namen des gewünschten Modells und stelle sicher, dass der zugehörige API-Key ebenfalls eingetragen ist.

{
  "agents": {
    "defaults": {
      "workspace": "~/.picoclaw/workspace",
      "model_name": "gpt4", ---> make sure this is here 
      "max_tokens": 8192,
      "temperature": 0.7,
      "max_tool_iterations": 20
    }
  }

Falscher API-Key angegeben

Das ist einfach: Der API-Key für deinen Modellanbieter fehlt oder ist falsch. Öffne die JSON-Config und prüfe den Key.

Die besonderen Stärken von PicoClaw

Schauen wir uns nun Funktionen an, die PicoClaw einzigartig machen – und wo es anderen persönlichen KI-Assistenten ähnelt. 

Das Heartbeat-System

PicoClaw führt in seinem Arbeitsverzeichnis eine Heartbeat-Markdown-Datei, die der Agent alle 30 Minuten einliest und auf deren Anweisungen reagiert. PicoClaw kann zudem Subagenten starten, um Aufgaben parallel zu erledigen. 

Persistenter Speicher

PicoClaw nutzt eine Memory-Datei, in der wichtige Informationen über Sitzungen hinweg erhalten bleiben. Darin landen etwa Präferenzen und aktivierte Skills, damit der Kontext bei Bedarf abrufbar ist. So startest du nicht jede Interaktion bei null. 

Air-Gapped-/Offline-Modus

PicoClaw kann auch ohne Internetzugang arbeiten. Das ist wichtig, wenn du sensible Daten verarbeitest – insbesondere in regulierten Branchen wie Banking oder Healthcare. Dafür richtest du ein lokales Modell über Ollama ein. 

Multi-Agent und Modell-Fallbacks

Mit PicoClaw kannst du für jeden Agenten einen eigenen LLM-Anbieter definieren. Es unterstützt auch Lastverteilung, sodass Anfragen über mehrere Modelle verteilt werden. PicoClaw rotiert dabei im Round-Robin-Verfahren durch die Modelle.

Hardware-Integration

PicoClaw bringt Tools für I2C- und SPI-Kommunikation mit. Damit kann der Agent mit Hardware-Peripherie auf unterstützten Boards interagieren – etwa mit Sensoren, Displays, Motorcontrollern und anderen physischen Geräten. 

PicoClaw in der Praxis: Reale Use Cases

Werfen wir einen Blick auf ein paar Anwendungsfälle von PicoClaw. 

Spannende Beispiele, die ich bei der Recherche gefunden habe: 

• Hausautomation und Monitoring mit einem Raspberry Pi der ersten Generation 
• Automatisierte Websuchen, z. B. tägliche Zusammenfassungen jeden Morgen per Telegram 
• Alarmierung und Monitoring von Embedded-Geräten – etwa auf Basis von Sensordaten 

Einschränkungen und Hinweise zu PicoClaw

Bevor du PicoClaw in deinem Netzwerk einsetzt, solltest du ein paar wichtige Einschränkungen kennen.

PicoClaw ist standardmäßig sicher konfiguriert. Der Zugriff ist auf das eigene Workspace-Verzeichnis begrenzt – Ordner und Dateien außerhalb sind tabu. 

Das kannst du in der Konfiguration ändern. 

Bestimmte Befehle wie rm sind ebenfalls eingeschränkt, um Katastrophen wie ein geleertes Laufwerk zu verhindern. 

Ich habe z. B. versucht, den Home-Ordner zu löschen – die Guardrails haben das zuverlässig blockiert. 

Als Software im frühen Entwicklungsstadium hat PicoClaw noch ungelöste Netzwerksicherheits-Themen. Ein Einsatz in Produktion wird daher vor dem v1.0-Release nicht empfohlen. 

Wenn du etwas Reiferes suchst, ist OpenClaw eine gute Wahl. Ob es zu deinem Workflow passt, erfährst du in unserem OpenClaw vs Claude Code Guide. 

Ausblick

Große Sprachmodelle auf Edge-Geräten auszuführen, gewinnt stark an Fahrt – vor allem dank Modellen, die auf Smartphones und Embedded-Hardware laufen. Ich glaube, PicoClaw ist extrem nützlich in ressourcenarmen Umgebungen und Anwendungen mit maximaler Datensensitivität. Wo die Konnektivität unzuverlässig ist, führt kaum ein Weg an einem Tool wie PicoClaw vorbei. 

Mit Produktionsreife könnte PicoClaw ein echter Konkurrent für Nanobot und OpenClaw werden. Ich würde darauf wetten, dass PicoClaw das Tool ist, das IoT-Geräten agentische Workflows ermöglicht. Das birgt allerdings Risiken, wenn Modelle halluzinieren oder Prompt Injections zu schädlichen Aktionen führen – bis hin zum Überhitzen einer Mikrowelle. 

PicoClaw will auch fehlende Features anderer Agenten wie OpenClaw nachziehen – wie im Roadmap-Dokument skizziert. Geplant sind unter anderem: 

• Browser-Automatisierung
• Mehr Skill-Discovery 
• MCP-Unterstützung 

Fazit

Als OpenClaw erschien, hieß es vielerorts, man brauche Mac Minis – dabei war das gar nicht nötig. Ein Mac Mini kostet mehrere hundert Dollar. 

PicoClaw wurde gebaut, um dieses Narrativ zu widerlegen: leistungsfähige Agenten auf einem 10-$-Budget bereitzustellen. Anders als OpenClaw setzt PicoClaw konsequent auf Security-First, beschränkt den Zugriff des Agenten auf sein Workspace-Verzeichnis und deaktiviert Befehle, die im Fall von Halluzinationen oder bösartigen Prompts Schaden anrichten könnten. 

Wenn du mehr über den Einsatz von KI-Tools lernen willst, schau dir unseren Guide zu den besten kostenlosen KI-Tools an. Für breitere KI-Coding-Kompetenzen empfiehlt sich unser Kurs AI-Assisted Coding for Developers – damit deine KI-Assistenten in der Entwicklung zuverlässig mitarbeiten. 

Du kannst außerdem lernen, wie du KI-gestützte Anwendungen mit LLMs, Prompts, Chains und Agenten in LangChain baust – in unserem Kurs Developing LLM Applications with LangChain .