OpenClaw Modelle richtig wählen und Kosten senken

Einleitung

OpenClaw ist keine KI. Zumindest nicht das, was die meisten darunter verstehen. Es ist kein Modell, das Texte schreibt oder Fragen beantwortet. OpenClaw ist etwas anderes – und genau das macht es so mächtig.

Stell dir OpenClaw wie einen Dirigenten vor. Der Dirigent spielt selbst kein Instrument. Er sorgt dafür, dass alle Instrumente zur richtigen Zeit einsetzen, im richtigen Takt, in der richtigen Lautstärke. Ohne Dirigent spielen alle durcheinander. Mit Dirigent entsteht Musik.

Warum schreibe ich das? Weil ich es auf die harte Tour gelernt habe. Als ich OpenClaw produktiv gebracht habe, dachte ich: ChatGPT API, Claude API, Key rein, fertig. Technisch lief alles. Bis ich die erste Abrechnung sah: Fünf bis zehn Dollar pro Tag. Bei 24/7-Betrieb summiert sich das schnell.

In diesem Artikel zeige ich dir, wie du die Kostenfalle vermeidest. Welche Modelle sich wirklich lohnen. Warum ein Raspberry Pi 5 nicht für alles reicht – und wie du mit Ollama Cloud Dutzende Modelle nutzen kannst, ohne die Hardware selbst zu betreiben. Und welche Kombination bei mir im Alltag funktioniert.

Seit sechs Wochen läuft das System bei mir produktiv. Hier ist, was ich gelernt habe.

Was OpenClaw wirklich ist – Der Dirigent im KI-Orchester

OpenClaw ist eine Steuerungsinstanz. Mehr nicht. Es hat keine eigene Intelligenz, kein eigenes Sprachmodell, keine eigene Kreativität. Was es hat, ist etwas anderes: Die Fähigkeit, verschiedene KI-Modelle zu koordinieren.

Zurück zur Dirigenten-Metapher. Ein Dirigent muss nicht Geige spielen können. Er muss wissen, wann die Geigen einsetzen, wann die Hörner, wann die Pauken. Er kennt die Stärken jedes Instruments. Und er sorgt dafür, dass alle im gleichen Takt spielen.

Genau das macht OpenClaw mit KI-Modellen.

Warum ein Modell allein nicht reicht

Am Anfang dachte ich: Ein gutes Modell genügt. ChatGPT, das kann doch alles. Text schreiben, Code prüfen, Fragen beantworten. Stimmt – aber nicht gleich gut.

Ein kleines Modell wie Gemma4-31b antwortet schnell und kostet wenig. Gut geeignet für Chat, für einfache Fragen, für Zusammenfassungen. Aber bei komplexer Logik, bei mehrstufigen Problemen, stößt es an Grenzen.

Ein großes Modell wie Nemotron-3-Super denkt länger, prüft genauer, liefert bessere Ergebnisse bei Reasoning-Aufgaben. Kostet aber mehr Zeit und Ressourcen. Für eine einfache „Was ist das?“-Frage wäre das Verschwendung.

OpenClaw entscheidet im Hintergrund: Welche Aufgabe braucht welches Modell? Schnelle Antwort oder gründliche Prüfung? Kleines Modell oder großes Reasoning?

Die technische Realität

OpenClaw läuft bei mir als Container auf einem Raspberry Pi 5. Der Pi ist das Gehirn des Systems – aber nicht die Rechenmaschine für die KI-Modelle. Die Modelle laufen woanders:

• Bei OpenAI (ChatGPT, GPT-5.4)
• Bei Anthropic (Claude)
• Bei Nvidia (DeepSeek, Qwen)
• Bei Ollama Cloud (viele Open-Source-Modelle)

OpenClaw verbindet diese Dienste. Es schickt die richtige Anfrage an den richtigen Anbieter. Es sammelt die Antworten. Es speichert Kontext. Es verwaltet Workflows.

Der Pi? Der ist der Dirigent. Die Modelle in der Cloud? Das sind die Musiker.

Die Kostenfalle bei API-Anbietern

Als ich OpenClaw das erste Mal mit ChatGPT und Claude verbunden habe, funktionierte es sofort. API-Key rein, fertig. Bis ich die Abrechnung sah: Fünf bis zehn Dollar pro Tag.

Das Problem: Abo ? API

ChatGPT Plus kostet 20 Dollar im Monat – aber das gilt nur für die Web-Oberfläche. Die API wird separat abgerechnet. Jede Anfrage kostet Token. Jede Antwort kostet Token.

Preise im Überblick (Stand 2026)

OpenAI API: GPT-5.4 ($2,50/1M Input, $15/1M Output), GPT-5.4 mini ($0,75/$4,50), GPT-5.4 nano ($0,20/$1,25)

Claude API: Opus 4.6 ($5/1M Input, $25/1M Output), Sonnet 4.6 ($3/$15), Haiku 4.5 ($1/$5)

Bei 24/7-Betrieb mit Memory Search, Dokumentenverarbeitung und Automatisierungen sind 50-100 Anfragen pro Tag schnell erreicht. Das summiert sich auf dreistellige Beträge pro Monat.

Genau hier musste ich umdenken.

Die Lösung: Zwei Wege aus der Kostenfalle

Die Erkenntnis war frustrierend. Aber zum Glück kam Hilfe von unerwarteter Seite.

Ich stieß auf ein YouTube-Video von Nikals (https://youtu.be/Le4oP-3mFes). Darin wurden zwei Alternativen vorgestellt, die ich bis dahin nicht auf dem Schirm hatte.

Weg 1: Nvidia API – Kostenlos, aber mit Wartezeit

Nvidia bietet kostenlosen Zugriff auf verschiedene Open-Source-KI-Modelle. DeepSeek-V3.2, Qwen3.5-122b, Nemotron-3-Super – alles dabei.

Der Haken: Weil es kostenlos ist, sind die Server oft überlastet. Man steht in der Queue. Mal wartet man Minuten, mal länger.

Für gelegentliche Tests eine solide Lösung. Für den produktiven 24/7-Betrieb nichts.

Weg 2: Ollama Cloud – 20 Dollar im Monat

Ollama kannte ich schon. Aber ich wusste nicht, dass es das auch als Cloud-Service gibt. Für 20 Dollar im Monat bekommt man:

• Zugriff auf Dutzende Open-Source-Modelle
• Drei Modelle gleichzeitig nutzbar
• 50-mal mehr Nutzung als der Free-Tier
• Keine eigene Hardware nötig

Die Nutzung wird nach GPU-Zeit berechnet, nicht nach Token. Das macht die Kosten planbar.

Ich habe beide Wege getestet. Nvidia für gelegentliche Tests. Ollama Cloud für den Dauerbetrieb. Bis heute bin ich an die Nutzungsgrenzen von Ollama nicht gestoßen.

Der entscheidende Vorteil

Mit Ollama Cloud muss ich die Hardware nicht selbst betreiben. Keine Updates, keine Hitze, kein Stromverbrauch. Die Modelle sind einfach da – und OpenClaw kann sie nutzen.

Hardware-Realität: Raspberry Pi 5 vs. VPS

Die Frage kam sicher: Warum nicht alles lokal auf dem Raspberry Pi 5?

Die kurze Antwort: Geht – aber nicht für alles.

Was der Raspberry Pi 5 schafft

Kleine Modelle bis etwa 3 Milliarden Parameter laufen stabil. Llama 3.2 1B, Llama 3.2 3B, Phi-3, Gemma 3, TinyLlama. Für Tests, für einfache Aufgaben, zum Lernen reicht das.

Was der Raspberry Pi 5 nicht schafft

Große Modelle mit 70 Milliarden Parametern oder mehr brauchen zu viel RAM. Sie sind zu langsam für den praktischen Einsatz. Und bei Dauerbetrieb kommt das Thermal Throttling dazu – der Pi drosselt sich selbst, weil er zu heiß wird.

Warum Ollama Cloud Sinn macht

Ich hatte bereits einen VPS-Server. Die Entscheidung war also: Lokal auf dem Pi (mit Grenzen) oder Cloud-Modelle über Ollama?

Die Lösung: Beides kombinieren.

• Memory Search Embeddings laufen lokal auf dem Pi (Adresse: [DEINE-RASPI-IP]:11434)
• Große LLM-Modelle laufen über Ollama Cloud (Adresse: [DEINE-VPS-IP]:[PORT])

Der Pi bleibt der Dirigent. Die schweren Modelle spielen in der Cloud.

Meine Modell-Empfehlung für Einsteiger

Nach sechs Wochen Testing habe ich eine Kombination gefunden, die bei mir funktioniert. Nicht perfekt für jeden. Aber gut für die meisten.

Zum kostenlosen Start: Nvidia API

Wenn du OpenClaw erst mal ausprobieren willst, ohne Geld auszugeben: Nvidia API. Die Modelle sind gut. Die Wartezeiten sind erträglich, wenn du nicht unter Zeitdruck stehst.

Ideal für: Tests, Lernen, gelegentliche Anfragen.

Für 24/7-Betrieb: Ollama Cloud Pro

Wenn du OpenClaw dauerhaft laufen lassen willst: Ollama Cloud für 20 Dollar im Monat. Keine Wartezeiten. Keine Nutzungsgrenzen im Alltag.

Meine konkrete Modell-Zuweisung

Nicht jedes Modell für jede Aufgabe. Das spart Kosten und Zeit.

• Schnelle Chat-Antworten: Gemma4-31b – Schnell, günstig, gut genug
• Reasoning, komplexe Logik: Nemotron-3-Super – Denkt länger, prüft genauer
• Lange Texte, Zusammenfassungen: DeepSeek-V3.2 – Großes Kontext-Fenster, stabil

OpenClaw kann das im Hintergrund steuern. Einfache Fragen gehen an kleine Modelle. Schwere Aufgaben an große Modelle.

Warum diese Kombination?

Weil sie die Balance hält zwischen Kosten, Geschwindigkeit und Qualität. Du zahlst nicht für Overkill. Aber du hast Power, wenn du sie brauchst.

Setup-Aufwand: Was auf dich zukommt

Hier muss ich ehrlich sein. OpenClaw ist nichts für Absolute Anfänger. Zumindest nicht, wenn du es selbst installieren willst.

ChatGPT Plus: Fünf Minuten

Konto erstellen. E-Mail bestätigen. Loslegen. Fertig.

OpenClaw + Ollama: Mehrere Stunden

• Raspberry Pi einrichten (oder VPS mieten)
• Docker installieren
• OpenClaw-Container deployen
• API-Keys konfigurieren
• Environment Variables setzen
• Ollama-Connection testen
• Erste Workflows anlegen

Das sind nicht mal eben fünf Minuten. Du brauchst technische Vorkenntnisse. Du musst mit Terminal, Docker, Config-Files umgehen können.

Aber: Der Lerneffekt

Genau hier kommt der Punkt, der für mich den Unterschied macht.

Du kannst OpenClaw auf einem fertigen Hosting-Service installieren lassen. Ohne eigene Hardware. Bequem.

Aber: Ich habe mehr gelernt durch die eigene Installation auf dem Raspberry Pi. Jede Config-Datei verstanden. Jeden Fehler selbst gefixt. Jedes Problem durchdacht.

Fazit: Welche Kombination sich im Alltag bewährt

Nach sechs Wochen produktivem Betrieb mit OpenClaw ziehe ich folgendes Fazit:

OpenClaw entfaltet seinen Wert erst durch die Kombination mehrerer Modelle.

Ein einziges Modell für alles? Geht. Aber es ist wie der Versuch, ein ganzes Orchester mit nur einer Geige zu spielen. Du verpasst die Vielfalt. Die Effizienz. Die Möglichkeit, das richtige Werkzeug für jede Aufgabe zu wählen.

Die Kostenfrage ist entscheidend

API-Anbieter wie OpenAI und Anthropic sind schnell integriert. Aber im 24/7-Betrieb teuer. Fünf bis zehn Dollar pro Tag sind keine Übertreibung. Das sind 150 bis 300 Dollar im Monat.

Ollama Cloud bietet für 20 Dollar im Monat eine echte Alternative. Nvidia API ist kostenlos für Tests. Die Balance stimmt.

Die Hardware-Frage

Der Raspberry Pi 5 ist ein großartiges Lerngerät. Für kleine Modelle reicht er. Für den produktiven Dauerbetrieb mit großen Modellen brauchst du mehr Power. Ollama Cloud löst das Problem – ohne eigene Hardware, ohne Wartung, ohne Hitze.

Meine Empfehlung

Wenn du OpenClaw ausprobieren willst:

1. Starte mit Nvidia API (kostenlos)
2. Teste, ob OpenClaw für dich Sinn ergibt
3. Wenn ja: Ollama Cloud Pro für 20 Dollar/Monat
4. Wenn du lernen willst: Selbst installieren auf dem Pi
5. Wenn es bequem sein soll: Hosting-Service nutzen

Persönliches Schlusswort

Am Ende war es genau dieser technische Umweg, der mir die volle Kontrolle über mein System gegeben hat. Und das Verständnis, warum jede Entscheidung zählt.

Häufige Fragen

Ist OpenClaw selbst ein KI-Modell?

Nein. OpenClaw ist ein Orchestrator, der verschiedene KI-Modelle koordiniert. Es hat kein eigenes Sprachmodell, sondern steuert externe Dienste wie OpenAI, Anthropic, Nvidia oder Ollama.

Wie hoch sind die laufenden Kosten?

Mit Nvidia API: Kostenlos (mit Wartezeiten). Mit Ollama Cloud Pro: $20/Monat. Im Vergleich dazu kosten OpenAI/Claude API im 24/7-Betrieb schnell $150-300/Monat.

Kann ich OpenClaw auf einem Raspberry Pi betreiben?

Ja, aber mit Einschränkungen. Kleine Modelle (bis 3B Parameter) laufen stabil. Für große Modelle empfiehlt sich die Kombination aus lokalem Pi (für Embeddings) und Ollama Cloud (für LLMs).

Wie schwer ist die Installation?

Technische Vorkenntnisse sind nötig. Du musst mit Docker, Terminal und Config-Files umgehen können. Rechne mit mehreren Stunden für die Ersteinrichtung.

Welche Modelle empfiehlst du für Einsteiger?

Gemma4-31b für schnelle Chat-Antworten, Nemotron-3-Super für Reasoning-Aufgaben, DeepSeek-V3.2 für lange Texte. Diese Kombination bietet die beste Balance zwischen Kosten und Performance.