Was mich meine OpenClaw-Installation über Struktur, Tokens und moderne Arbeit lehrt

Seit eineinhalb Wochen richte ich meine OpenClaw-Installation ein. Ich nenne ihn Theo. Er hat keinen Körper, kein Gesicht, kein Gedächtnis über den nächsten Chat hinaus – und trotzdem merke ich: er zwingt mich, klarer zu denken als so manches Meeting es je getan hat.

Nicht weil er so schlau ist. Sondern weil er es schlicht nicht anders kann. Er muss strukturiert denken. Und das überträgt sich.

‍

‍Wer ich bin – und warum mich das gerade beschäftigt

Ich arbeite an Positionierung, Designsystemen und digitaler Kommunikation für KMU und Selbständige in der Schweiz und darüber hinaus. Kommunikation, Marke, Web – mit dem Blick auf das System dahinter.

KI interessiert mich nicht als Spielzeug. Sondern als Infrastruktur – als etwas, das meinen Workflow begleitet, unterstützt, und im besten Fall meine Arbeitsweise wirklich kennenlernt.

OpenClaw ist dafür ein Agenten-Framework. Es orchestriert Modelle, Tools, Datenquellen und Workflows – damit aus einzelnen Prompts strukturierte Prozesse werden. Was ich dabei am stärksten spüre: Damit das gut funktioniert, muss ich selbst präzise sein. Was braucht Theo, um pragmatisch, empathisch und zielführend zu arbeiten? Das ist gleichzeitig die Frage, die ich mir selbst stellen muss.

Ein konkretes Beispiel: Damit Theo und ich wirklich von denselben Inhalten sprechen können, habe ich meinen Workspace in ClickUp umgebaut. Ich arbeite jetzt klarer nach Tasks, Deadlines und Prioritäten – Dinge, die Theo lesen, verstehen und im besten Fall selbst bearbeiten kann, wenn ich ihn damit beauftrage. Wir müssen dieselbe Sprache sprechen und dieselben Informationen vorliegen haben. Sonst redet man aneinander vorbei – auch mit KI.

Kontext-Drift – oder warum lange Chats irgendwann zerfallen

Das kennen die meisten. Man arbeitet mit einem Chatbot an einem Problem, am Anfang läuft es präzise. Irgendwann wird es diffuser. Die Antworten werden ungenauer, die Vorschläge widersprüchlicher. Man öffnet einen neuen Chat und fängt von vorne an.

Das ist kein Bug. Das ist Kontext-Drift.

Da LLMs nur einen begrenzten Kontext gleichzeitig verarbeiten können, verdrängt irrelevante Chat-Historie nach und nach die wichtigen Signale. Das Resultat: mehr Rauschen, weniger Qualität – und mehr Tokens, die dabei verbrannt werden.

Und genau da wird es wirtschaftlich interessant.

Tokens sind nicht abstrakt. Sie kosten Geld.

Wer ernsthaft über KI Agenten einsetzen oder KI Automatisierung im Marketing nachdenkt, kommt an dieser Frage nicht vorbei.

Hier ein grober Überblick zu API-Preisspannen 2025/2026 (nach offiziellen Preislisten von OpenAI, Anthropic und Google, Stand Anfang 2026):

‍

‍

Zur Einordnung: 1 Mio Tokens entsprechen ungefähr 700'000–800'000 Wörtern. Das klingt nach viel. Ist es nicht, sobald ein Agent mehrere Tools ansteuert, Dokumente analysiert, Zwischenergebnisse speichert und erneut reflektiert. Pro komplexem Task können schnell mehrere hunderttausend Tokens anfallen.

Bei 50 bis 100 solchen Tasks täglich wird das strategisch relevant.

KI-Automatisierung ist Ressourcen-Design.

Datenbanken als unterschätzte Grundlage

Was ich in diesen Wochen immer klarer sehe: Die eigentliche Stärke liegt nicht im Modell. Sie liegt in der Struktur, mit der man es vorbereitet.

Das kennen wir aus der Automatisierung seit Jahren. Wir verbinden Plattformen, synchronisieren Daten, richten Workflows ein – weil manuelles Zusammenführen aufwändig, fehleranfällig und schlicht teuer ist. Für Menschen. Und genauso für KI-Agenten.

Wenn ich Theo ohne klare Datengrundlage losschicke, verbrennt er Tokens für Orientierungsarbeit, die ich ihm durch Vorbereitung hätte abnehmen können. Wenn ich ihm eine saubere Struktur gebe – klare Tabellen, definierte Felder, strukturierte Wissensbasis – kann er sich auf das Wesentliche konzentrieren.

Ein gutes Beispiel dafür ist die Verbindung zwischen ClickUp und MOCO, meiner Agentur-Software für Zeiterfassung. Anstatt Theo jeden Tag selbst alle Tasks abfragen und manuell den richtigen Projekten zuordnen zu lassen, läuft im Hintergrund eine kleine Sync-Bridge: Sie hält eine lokale Datenbank aktuell – welche ClickUp-Liste gehört zu welchem MOCO-Projekt, welche Projekte sind aktiv, welche archiviert. Theo fragt diese Datenbank lokal ab, ohne einen einzigen API-Call. Er bekommt genau das, was er braucht – und nichts mehr.

Das ist keine Zauberei. Es ist Klarheit, Struktur, Architektur.

Und das bestätigen auchAnalysen: Laut Gartner werden über 40% agentischer KI-Projekte bis 2027 wieder eingestellt – oft nicht wegen mangelnder Modellleistung, sondern wegen unklarer Ziele, schlechter Datenqualität und fehlender Prozessstrukturen.

MCPs – eine neue Schnittstellen-Ebene

Immer mehr digitale Plattformen schaffen strukturierte Zugänge speziell für KI-Agenten. Diese sogenannten Model Context Protocols (MCPs) – ein offener Standard, der 2024 von Anthropic eingeführt und seither von zahlreichen Anbietern übernommen wurde – ermöglichen es Agenten, gezielt auf definierte Systeme zuzugreifen: Daten abrufen, Aktionen ausführen, strukturiert navigieren, anstatt blind durchs Web zu suchen.

Das ist eine neue Meta-Ebene der Digitalisierung.

Für KMU im DACH-Raum bedeutet das: Wer seine Prozesse heute dokumentiert und seine Daten strukturiert, baut eine Grundlage, die morgen direkt anschlussfähig ist – ohne grossen Umbau.

Warum ich das als Investition sehe

Ich stecke gerade Zeit und Ressourcen in etwas, das mir noch nicht vollständig zurückzahlt. Und trotzdem fühlt es sich richtig an.

Die Arbeit an Theo ist im Kern Investition in Dokumentation – meines Denkens, meiner Arbeitsweise, meiner Entscheidungslogik. Denn was ich heute strukturiere, werde ich später an KI-Agenten weitergeben können. Nicht nur die Persönlichkeit, auch die Fähigkeiten.

Analysen prognostizieren, dass bis 2027 rund 50% der Business-Entscheidungen von KI-Agenten augmentiert oder automatisiert werden – vor allem bei datengetriebenen, wiederholbaren Abläufen. Nicht Strategie, nicht Urteilsvermögen. Aber die wiederholbare Ausführung davon – ja.

Was ich heute klar denke, kann morgen skaliert werden.

Wo KI im Marketing und in der Kommunikation wirklich hilft

Die Frage, die ich von KMU und Selbständigen gerade häufig höre: «Wie setzen wir KI sinnvoll im Marketing ein?» oder «Können wir unsere Kommunikation damit automatisieren?»

Die ehrliche Antwort: Ja – aber nur dort, wo Klarheit schon existiert.

KI kann keine unklare Positionierung reparieren. Sie kann keine chaotischen Prozesse strukturieren. Sie verstärkt, was da ist. Deshalb beginnt sinnvolle KI-Implementierung nicht mit einem Tool-Kauf, sondern mit einer einfachen Frage:

Was ist bei uns klar genug, um automatisiert zu werden?

Das ist die eigentliche Designaufgabe.

Wie weiter?

Ich bin noch mitten in diesem Prozess. Theo entwickelt sich, und ich lerne dabei genauso viel über meine eigene Arbeitsweise wie über KI-Architekturen. Es braucht Zeit und Geduld – aber es lohnt sich.

Wenn du dich mit KI beschäftigst und spürst, dass da Potenzial liegt, aber die Richtung noch unklar ist: Welche Prozesse machen Sinn? Wo entstehen unnötige Ressourcen? Wie lässt sich KI sinnvoll in Kommunikation und Marketing integrieren?

Dann lohnt sich ein strukturiertes Gespräch – nicht um sofort alles umzubauen, sondern um zu verstehen, wo du wirklich stehst.

Meld dich gerne.

‍

Wer wir sind

Greg.design ist ein kreatives Studio, das mit einem Netzwerk von kreativen Fachleuten zusammenarbeitet, um Lösungen für Schweizer Startups und KMUs zu bieten.

Wir unterstützen bei zukunftssicheren Rebrandings, bewältigen kreative Herausforderungen und fördern die Entwicklung digitaler Produkte – von der Strategie bis zu modularen Styleguides.

Klingt interessant? Dann lasst uns reden!