ClawFlows: 111 vorgefertigte KI-Workflows für OpenClaw-Agenten

OpenClaw-Agenten lassen sich durch ClawFlows mit über 100 vorgefertigten Workflows erweitern, vom morgendlichen Briefing bis zur Smart-Home-Steuerung. Statt für jede wiederkehrende Aufgabe neue Prompts zu bauen und Cron-Jobs von Hand zusammenzuziehen, liefert die Erweiterung eine sofort nutzbare Bibliothek für Automatisierungen. Der praktische Reiz liegt auf der Hand: Viele Abläufe laufen als vorbereitete Pipeline, statt jedes Mal neu vom Sprachmodell geplant zu werden.

Genau damit trifft ClawFlows einen echten Schwachpunkt produktiver Agenten-Setups. Gute Automatisierung hängt nicht allein am Modell. Sie braucht wiederholbare Routinen, klare Zustände und saubere Übergaben.

Einsatzszenarien: Von Produktivität bis Smart Home

Das von der Community rund um den Entwickler Nikilster gepflegte Projekt deckt mehrere Alltagsbereiche ab. Ein typisches Beispiel ist das Morgen-Briefing: Der Agent ruft automatisch das Wetter ab, prüft den Kalender auf Konflikte, sortiert Prioritäten für den Tag und ergänzt das Ganze um kleine Zusatzbausteine wie ein Zitat.

Daneben gibt es Workflows für Smart-Home-Steuerung, etwa einen Schlaf-Modus, der Lichter dimmt, Thermostate regelt und Lüfter aktiviert. Im Bereich Gesundheit und Wellness finden sich Check-ins zur Flüssigkeitsaufnahme sowie Schlaf- und Workout-Tracking. Für Produktivität deckt ClawFlows Dinge wie E-Mail-Triage, Deep-Work-Blöcke und Wochenrückblicke ab.

Entscheidend ist dabei das Prinzip. ClawFlows bündelt Aufgaben, die in vielen Agenten-Umgebungen immer wieder ähnlich aussehen. Dadurch lässt sich schneller testen, welche Routinen im Alltag wirklich tragen, ohne sofort eine eigene kleine Automatisierungsplattform bauen zu müssen.

Determinismus spart Token-Kosten

Technisch basiert ClawFlows auf Lobster, einer deterministischen Workflow-Engine. Laut Projekt-Dokumentation kommt diese Architektur bei standardisierten Aufgaben ohne LLM-Tokens aus. Die Datensammlung läuft ressourcenschonend über Shell-Kommandos, curl und jq.

Lobster arbeitet solche Aufgaben als feste Pipeline ab, statt jeden Schritt einzeln vom Modell planen zu lassen. Workflows merken sich ihren Fortschritt und stoppen an definierten Checkpoints, wenn vor kritischen Aktionen eine Freigabe nötig ist, etwa vor dem massenhaften Versand von E-Mails. Für die Praxis heißt das: reproduzierbarere Automatisierung und leichteres Debugging.

Für Agenten-Betreiber ist genau dieser Punkt entscheidend. Je mehr Aufgaben im Hintergrund laufen, desto wichtiger werden vorhersagbare Kosten, stabile Wiederholbarkeit und klare Grenzen zwischen automatischem Sammeln, modellgestützter Auswertung und menschlicher Freigabe.

Flexibilität durch zwei Formate und CLI-Steuerung

Die Architektur trennt zwischen zwei Formaten: Abstract und Lobster-Ready. Abstract-Formate definieren benötigte Fähigkeiten, also Capabilities, und bleiben damit portabel zwischen verschiedenen Agent-Runtimes. Lobster-Ready-Formate enthalten konkrete, direkt ausführbare Shell-Kommandos. Nutzer können also wählen, ob ihnen Portabilität oder unmittelbare Ausführbarkeit wichtiger ist.

Gesteuert wird das System über eine einfache Scheduling-Syntax in einer Markdown-Datei, etwa every 2 hours oder morning, sowie ein eigenes Command-Line-Interface. Befehle wie clawflows list, clawflows enable oder clawflows run erlauben die Verwaltung im laufenden Betrieb, ohne die Agenten-Session neu starten zu müssen. Eigene Anpassungen lassen sich über clawflows edit in einem separaten Ordner speichern und modifizieren.

Ökosystem und Installation

ClawFlows entwickelt sich laut den Maintainern zu einer Art Paketmanager für Agenten. Die offizielle Registry umfasst über 100 Automatisierungen, getragen von aktiven Contributoren. Standard-Capabilities decken Aufgaben wie Datenbankabfragen, Chart-Generierung, Kalender-Management, Social-Search oder Text-to-Speech ab.

Die Installation erfolgt über ein Shell-Skript:

curl -fsSL https://raw.githubusercontent.com/nikilster/clawflows/main/system/install.sh | bash

Anschließend kann das System über einen Prompt an den Agenten in der OpenClaw-Runtime registriert werden. Der Installer klont das Repository in das passende Verzeichnis und prüft die Integration. Danach kennt der Agent die verfügbaren Workflows und kann sie auf Zuruf aktivieren.

Der operative Punkt

ClawFlows zieht Agenten-Automatisierung aus der reinen Prompt-Ebene heraus. Wiederkehrende Aufgaben werden als benennbare, prüfbare und planbare Workflows behandelt. Das klingt unspektakulärer als ein neues Modell, ist für produktive Agenten aber oft der wichtigere Fortschritt.

Wenn sich solche Workflow-Bibliotheken durchsetzen, schrumpft der Abstand zwischen experimentellem Agenten und nützlichem Alltagsagenten. Nicht jeder Ablauf muss neu erfunden werden, und nicht jede Routine muss Tokens verbrennen. Für mich liegt genau darin der praktische Wert von ClawFlows: weniger Bastelaufwand, mehr belastbare Wiederholung.