Clawith: OpenClaw for Teams – Enterprise-Grade Collaboration Platform

Das Open-Source-Projekt Clawith verwandelt einzelne KI-Agenten in digitale Mitarbeiter mit eigenem Organigramm, vollständigen Audit-Logs und automatischer Wissensbasis-Injektion. Mit rollenbasierter Zugriffskontrolle (RBAC), Freigabe-Workflows und persistenten Identitäten bringt die Plattform das OpenClaw-Ökosystem in die Unternehmenswelt. Damit adressiert das Projekt ein Kernproblem agentischer KI: die Skalierung von isolierten Assistenten zu produktiven Team-Mitgliedern.

Das Skalierungsproblem agentischer KI

Bisher arbeiten KI-Agenten oft isoliert für einzelne Nutzer. Es fehlt an zentraler Steuerung, geteilten Wissensbasen und nativer Delegation zwischen den Modellen. Clawith ändert dieses Paradigma, indem es Agenten mit persistenten Identitäten (soul.md), langfristigem Speicher (memory.md) und einem privaten Dateisystem ausstattet.

Laut der offiziellen Projektdokumentation agieren die Agenten dabei wie neue Mitarbeiter: Sie kennen das Organigramm, delegieren Aufgaben und bauen Arbeitsbeziehungen auf. Das Projekt, das im März 2026 als Early Release unter Apache-2.0-Lizenz gestartet ist, speichert Agenten-Daten lokal auf dem Host-Dateisystem und integriert sich in Plattformen wie Slack, Discord oder Feishu.

Kernfunktionen der Plattform

Autonomes Arbeitsgedächtnis (Aware)

Die zentrale Innovation ist das sogenannte Aware-System. Es verleiht den Agenten ein strukturiertes Arbeitsgedächtnis. Aufgaben erhalten klare Status-Marker (ausstehend, in Bearbeitung, abgeschlossen) und werden als Fokus-Einträge gespeichert.

Jeder Trigger – ob wiederkehrender Cron-Job, Webhook oder ereignisbasierte Ausführung – ist zwingend an ein solches Fokus-Item gebunden. Das System bereinigt sich selbst: Schließt ein Agent eine Aufgabe ab, löscht er automatisch die zugehörigen Trigger. Eine dedizierte Ansicht macht diese autonome Entscheidungsfindung samt Tool-Aufrufen für den Nutzer transparent.

The Plaza als zentraler Feed

Agenten teilen Updates, Entdeckungen und Kommentare in einem zentralen Feed namens “The Plaza”. Dieser Kanal dient der kontinuierlichen Wissensaufnahme und stellt sicher, dass alle digitalen Mitarbeiter den organisatorischen Kontext behalten.

Sicherheit und Zugriffskontrolle

Für den Unternehmenseinsatz bietet Clawith mandantenfähige, rollenbasierte Zugriffskontrollen (RBAC) und nutzerspezifische Quotas für Nachrichten oder LLM-Aufrufe. Jeder Agent erhält eine eigene Bot-Identität in den angebundenen Messengern. Kritische Operationen werden durch Approval-Workflows zur menschlichen Überprüfung markiert, während vollständige Audit-Logs die Nachvollziehbarkeit garantieren.

Selbstständige Weiterentwicklung

Die Agenten sind nicht statisch. Über Integrationen wie Smithery oder ModelScope können sie zur Laufzeit neue Tools entdecken und installieren. Ein Research-Agent kann sich beispielsweise selbstständig ein PDF-Analyse-Tool laden. Zudem lassen sich neue Fähigkeiten (Skills) erstellen und mit dem restlichen Agenten-Team teilen. Da Persönlichkeit und Langzeitgedächtnis über Neustarts hinweg erhalten bleiben, entwickeln die Agenten über die Zeit eine konsistente Arbeitsweise.

Technische Architektur

Clawith setzt auf einen modernen Tech-Stack. Das Backend basiert auf FastAPI mit asynchronem SQLAlchemy (SQLite oder PostgreSQL) und Redis für das Caching. Das Frontend wird mit React 19, TypeScript und Zustand für das State-Management realisiert.

Wichtig für die Infrastrukturplanung: Laut Entwicklerangaben führt die Plattform selbst keine KI-Modelle lokal aus. Die gesamte LLM-Inferenz wird über externe API-Provider wie OpenAI oder Anthropic abgewickelt. Die lokale Bereitstellung beschränkt sich auf die Webanwendung samt Docker-Orchestrierung.

Bereitstellung und Systemanforderungen

Die Installation erfolgt wahlweise über ein Shell-Skript oder via Docker Compose. Für einen schnellen Start mit Docker genügen das Klonen des Repositories und das Starten der Container:

git clone https://github.com/dataelement/Clawith.git
cd Clawith && cp .env.example .env
docker compose up -d

Die offiziellen Hardware-Empfehlungen skalieren mit der Nutzung: Für erste Tests mit ein bis zwei Agenten genügen 2 CPU-Kerne und 4 GB RAM. Für kleine Teams mit bis zu fünf Agenten wird der Einsatz von PostgreSQL sowie 4 bis 8 GB RAM empfohlen. Multi-Tenant-Produktivumgebungen erfordern entsprechend leistungsfähigere High-Concurrency-Setups.

Einsatzszenarien

Die Stärken der Plattform zeigen sich in kollaborativen Workflows:

• DevOps & CI/CD: Agenten überwachen Build-Pipelines, reagieren auf Webhooks und koordinieren Deployments – abgesichert durch Freigabe-Workflows.
• Kundensupport: Mehrere Support-Agenten teilen sich eine Wissensbasis, eskalieren komplexe Tickets untereinander und lernen aus vergangenen Fällen.
• Forschung & Entwicklung: Forschungsagenten werten gemeinsam Dokumente aus, teilen Erkenntnisse und dokumentieren Experimente mit einem vollständigen Audit-Trail.
• Projektmanagement: Digitale Assistenten tracken den Projektfortschritt und koordinieren Deadlines zwischen menschlichen und maschinellen Teammitgliedern.

Systemvergleich

Funktion	Traditionelles OpenClaw	Clawith
Identität	Temporär, sitzungsbasiert	Persistent (soul.md/memory.md)
Kollaboration	Keine native Unterstützung	Organigramm und Delegation
Sicherheit	Basis-Funktionen	RBAC und Audit-Logs
Wissenstransfer	Manuell	Automatische Injektion
Trigger-Steuerung	Statische Cron-Jobs	Adaptiv mit Fokus-Bindung

Einordnung und Herausforderungen

Der Einsatz einer solchen Enterprise-Plattform bringt naturgemäß einen höheren Verwaltungsaufwand mit sich als der Betrieb einzelner Agenten. Die Konfiguration von Rollen, Freigabeprozessen und Organigrammen erfordert Einarbeitungszeit. Zudem steigen mit der Anzahl der interagierenden Agenten auch die API-Kosten bei den externen LLM-Providern, was den Einsatz der integrierten Usage-Quotas unabdingbar macht.

Die Roadmap des Projekts sieht künftig erweiterte Integrationen für Jira und Salesforce sowie einen Template-Marktplatz für vorgefertigte Agenten-Skills vor.

Clawith schließt eine Lücke im OpenClaw-Ökosystem. Es liefert die nötige Infrastruktur, um KI-Assistenten von isolierten Skripten zu verlässlichen, auditierbaren Teammitgliedern zu machen. Für Unternehmen, die den Schritt vom Experiment zur produktiven Skalierung gehen wollen, bietet die Plattform das erforderliche Maß an Kontrolle und Automatisierung.